用于乳腺X线图像肿块分割的对抗性深度结构网络
计算机视觉与模式识别
2017-06-13 v2 机器学习
摘要
肿块分割是乳腺X线图像分析中的一项重要任务，可为肿块检测和分类提供有效的形态学特征和感兴趣区域（ROI）。受深度卷积特征在自然图像分析中的成功应用以及条件随机场（CRF）在结构学习中的启发，我们提出了一种用于乳腺X线图像肿块分割的端到端网络。该网络采用全卷积网络（FCN）对势函数建模，随后使用CRF进行结构学习。由于肿块分布随像素位置变化很大，FCN与位置先验相结合以完成此任务。由于乳腺X线图像数据集规模较小，我们使用对抗训练来控制过拟合。进一步融合了四个具有不同卷积核的模型以改善分割结果。在两个公开数据集INbreast和DDSM-BCRP上的实验结果表明，我们结合对抗训练的端到端网络达到了最先进的结果。
引用
@article{arxiv.1612.05970,
title = {Adversarial Deep Structural Networks for Mammographic Mass Segmentation},
author = {Wentao Zhu and Xiang Xiang and Trac D. Tran and Xiaohui Xie},
journal= {arXiv preprint arXiv:1612.05970},
year = {2017}
}
备注
First version on arXiv 2016, MICCAI 2017 Deep Learning in Medical Image Analysis (DLMIA) workshop