面向多域图像分割的对抗式归一化
机器学习
2020-02-04 v2 计算机视觉与模式识别
机器学习
摘要
图像归一化是医学影像中的关键步骤。该步骤通常按数据集分别进行，阻碍了当前分割算法挖掘跨多个数据集联合归一化信息的全部潜力。为解决此问题，我们提出一种用于图像分割的对抗式归一化方法，其学习跨多个数据集的通用归一化函数，同时保持图像真实感。对抗训练提供最优归一化器，同时提升分割精度与对不真实归一化函数的判别能力。因此，我们的贡献利用了来自多域的通用成像信息。我们通过结合婴儿与成人的脑图像评估了通用归一化器的最优性。在具有挑战性的iSEG和MRBrainS数据集上的结果表明，我们的对抗式归一化方法在分割上的潜力，其Dice系数较基线提升高达59.6%。
引用
@article{arxiv.1912.00993,
title = {Adversarial normalization for multi domain image segmentation},
author = {Pierre-Luc Delisle and Benoit Anctil-Robitaille and Christian Desrosiers and Herve Lombaert},
journal= {arXiv preprint arXiv:1912.00993},
year = {2020}
}
备注
Submitted to ISBI 2020