一种超越 3D U-Net 的尝试
图像与视频处理
2019-10-07 v2 计算机视觉与模式识别
机器学习
摘要
U-Net 可以说是医学领域最成功的分割架构。在此，我们将 3D U-Net 应用于 2019 年肾脏与肾肿瘤分割挑战赛，并尝试通过引入残差与预激活残差块来改进它。在训练案例上的交叉验证结果显示仅有非常微小、几乎无法测量的改进。由于骰子分数略高，残差 3D U-Net 被选用于测试集预测。我们的方法在测试集上以 91.23 的复合骰子分数超越了全部 105 支参赛队伍，并以微弱优势赢得了 KiTS2019 挑战赛。
引用
@article{arxiv.1908.02182,
title = {An attempt at beating the 3D U-Net},
author = {Fabian Isensee and Klaus H. Maier-Hein},
journal= {arXiv preprint arXiv:1908.02182},
year = {2019}
}