一种用于基于深度网络的肝脏肿瘤分割的新三阶段课程学习 approach
图像与视频处理
2019-10-18 v1 计算机视觉与模式识别
摘要
医学图像中肝脏肿瘤的自动分割对计算机辅助诊断与治疗至关重要。这是一项具有挑战性的任务，因为肿瘤相对背景体素而言极小。本文提出一种用于训练深度网络以应对该小目标分割问题的新三阶段课程学习方法。第一阶段的学习在完整输入上进行，以获得用于肿瘤分割的初始深度网络。随后第二阶段学习通过继续在肿瘤块上训练网络来强化肿瘤特异性特征。最后，我们在第三阶段于完整输入上重新训练网络，以使肿瘤特异性特征与全局上下文能在分割目标下理想地整合。得益于所提学习方法，我们仅需采用单一网络直接分割肿瘤。我们在2017 MICCAI肝脏肿瘤分割挑战赛数据集上评估了该方法。实验中，与常用的级联对应方法相比，我们的方法表现出显著改进。
引用
@article{arxiv.1910.07895,
title = {A New Three-stage Curriculum Learning Approach to Deep Network Based Liver Tumor Segmentation},
author = {Huiyu Li and Xiabi Liu and Said Boumaraf and Weihua Liu and Xiaopeng Gong and Xiaohong Ma},
journal= {arXiv preprint arXiv:1910.07895},
year = {2019}
}
备注
5 pages, 3 figures, 1 table, conference