用于乳腺X线摄影肿块分割的对抗深度结构化网络
计算机视觉与模式识别
2017-12-27 v2 机器学习
神经与进化计算
摘要
肿块分割提供有效的形态学特征，对肿块诊断十分重要。本工作中，我们提出一种新颖的端到端网络用于乳腺X线摄影肿块分割，该网络采用全卷积网络（FCN）建模势能函数，随后用 CRF 进行结构化学习。由于肿块分布随像素位置变化很大，FCN 与位置先验相结合。进一步，我们采用对抗训练来消除由于乳腺X线摄影数据集规模小导致的过拟合。采用多尺度 FCN 以提升分割性能。在两个公开数据集 INbreast 和 DDSM-BCRP 上的实验结果表明，我们的端到端网络比最先进方法性能更好。\footnote{https://github.com/wentaozhu/adversarial-deep-structural-networks.git}
引用
@article{arxiv.1710.09288,
title = {Adversarial Deep Structured Nets for Mass Segmentation from Mammograms},
author = {Wentao Zhu and Xiang Xiang and Trac D. Tran and Gregory D. Hager and Xiaohui Xie},
journal= {arXiv preprint arXiv:1710.09288},
year = {2017}
}
备注
Accepted by ISBI2018. arXiv admin note: substantial text overlap with arXiv:1612.05970