基于 3D U-Net 的超分辨率植物根系 MRI 图像分割
计算机视觉与模式识别
2020-02-24 v1
摘要
磁共振成像（MRI）使植物科学家能够无创地研究根系发育与根-土相互作用。然而，低分辨率和强噪声等具有挑战性的采集条件妨碍了传统根系提取算法的性能。我们提出利用 3D U-Net 以超分辨率将扫描体分割为根系与土壤，从而提高信噪比与分辨率。在真实数据上的测试表明，训练后的网络能够成功检测大多数根系，甚至发现了人工标注者遗漏的根系。我们的实验表明，通过对损失函数进行修改可进一步提升分割性能。
引用
@article{arxiv.2002.09317,
title = {3D U-Net for Segmentation of Plant Root MRI Images in Super-Resolution},
author = {Yi Zhao and Nils Wandel and Magdalena Landl and Andrea Schnepf and Sven Behnke},
journal= {arXiv preprint arXiv:2002.09317},
year = {2020}
}
备注
6 pages, 5 figures, in the 28th European Symposium on Artificial Neural Networks