用于肺结节分割的相邻切片特征引导 2.5D 网络
图像与视频处理
2022-11-22 v1 计算机视觉与模式识别
摘要
对肺结节分割的关注日益增多。在当前基于深度学习的方法中，3D 分割方法直接输入 3D 图像，占用大量内存并带来巨大计算量。然而，多数参数与计算量较小的 2D 分割方法存在切片间缺乏空间关系的问题，导致分割性能不佳。为解决这些问题，我们提出了相邻切片特征引导的 2.5D 网络。本文中，我们设计了相邻切片特征融合模型以引入相邻切片的信息。为进一步提升模型性能，我们构建了多尺度融合模块以捕捉更多上下文信息，此外，我们设计了边缘约束损失函数以优化边缘区域的分割结果。充分的实验表明，我们的方法在肺结节分割任务中优于其他现有方法。
引用
@article{arxiv.2211.10597,
title = {Adjacent Slice Feature Guided 2.5D Network for Pulmonary Nodule Segmentation},
author = {Xinwei Xue and Gaoyu Wang and Long Ma and Qi Jia and Yi Wang},
journal= {arXiv preprint arXiv:2211.10597},
year = {2022}
}