用于脑MRI分割的对抗训练与空洞卷积
计算机视觉与模式识别
2017-07-12 v1
摘要
卷积神经网络(CNNs)已应用于医学图像分析中的各种自动图像分割任务，包括脑MRI分割。生成对抗网络最近因其生成难以与真实图像区分的图像的能力而流行。在本研究中，我们使用对抗训练方法来改进基于CNN的脑MRI分割。为此，我们加入了一个额外的损失函数，促使网络生成难以与手动分割区分的分割结果。在训练期间，该损失函数与传统的平均逐体素交叉熵损失一起优化。结果显示，使用这种对抗训练过程，在两组不同图像的分割以及使用两种不同网络架构时，分割性能均得到提升，无论是在视觉上还是在Dice系数方面。
引用
@article{arxiv.1707.03195,
title = {Adversarial training and dilated convolutions for brain MRI segmentation},
author = {Pim Moeskops and Mitko Veta and Maxime W. Lafarge and Koen A. J. Eppenhof and Josien P. W. Pluim},
journal= {arXiv preprint arXiv:1707.03195},
year = {2017}
}
备注
MICCAI 2017 Workshop on Deep Learning in Medical Image Analysis