小数据集下具有对抗防御与任务重组的脑MR图像分割
图像与视频处理
2019-06-26 v1 计算机视觉与模式识别
摘要
医学图像分割具有挑战性，尤其是在处理3D MR图像小数据集时。对个体被试脑解剖结构变化的编码难以实现，而仅有的少量精标注被试用于训练更增加了难度。本研究旨在解决小数据集下的脑MR图像分割问题。首先，针对训练图像数量有限，我们采用对抗防御来增广训练数据，从而提升网络鲁棒性。其次，受神经解剖先验知识启发，我们将不同区域的分割任务以层次化方式重组为若干组。第三，任务重组扩展到语义层面，我们引入额外的对象级分类任务，为像素级分割任务贡献高阶视觉特征。实验中，我们在一个挑战数据集上通过分割灰质、白质及若干主要区域来验证方法。所提方法仅用七名被试训练，即可在现场测试集上达到84.46%的Dice分数。
引用
@article{arxiv.1906.10400,
title = {Brain MR Image Segmentation in Small Dataset with Adversarial Defense and Task Reorganization},
author = {Xuhua Ren and Lichi Zhang and Qian Wang and Dinggang Shen},
journal= {arXiv preprint arXiv:1906.10400},
year = {2019}
}