3D-UCaps：用于体图像分割的 3D 胶囊 U-Net
图像与视频处理
2022-04-12 v1 计算机视觉与模式识别
机器学习
摘要
医学图像分割迄今为止利用卷积神经网络（CNNs）取得了可喜的结果。然而，可以说在传统 CNNs 中，其池化层倾向于丢弃诸如位置的重要信息。此外，CNNs 对旋转和仿射变换敏感。胶囊网络是一种数据高效的网络设计，旨在通过用动态路由和卷积步长替换池化层来克服此类局限，其目的是保留部分-整体关系。胶囊网络在图像识别和自然语言处理中表现出优异性能，但其在医学图像分割尤其是体图像分割中的应用有限。在这项工作中，我们提出 3D-UCaps，一种用于医学体图像分割的基于 3D 体素的胶囊网络。我们通过设计具有两条通路的网络将胶囊的概念构建进 CNN：第一条通路由 3D 胶囊块编码，而第二条通路由 3D CNNs 块解码。因此，3D-UCaps 继承了胶囊网络保留空间关系和 CNNs 学习视觉表示的优点。我们在包括 iSeg-2017、LUNA16、Hippocampus 和 Cardiac 的多个数据集上进行了实验以证明 3D-UCaps 的鲁棒性，其中我们的方法优于先前的胶囊网络和 3D-Unets。
引用
@article{arxiv.2203.08965,
title = {3D-UCaps: 3D Capsules Unet for Volumetric Image Segmentation},
author = {Tan Nguyen and Binh-Son Hua and Ngan Le},
journal= {arXiv preprint arXiv:2203.08965},
year = {2022}
}
备注
Accepted in MICCAI 2021