基于精炼全卷积神经网络与分层 Dice 损失的脑肿瘤分割
计算机视觉与模式识别
2018-02-14 v3
摘要
作为计算机视觉中的基础任务，语义分割可为目标检测与实例分割提供基本信息，帮助人工智能更好地理解真实世界。全卷积神经网络（FCNN）提出以来，因其像素级分类的高准确率与定位的高精度而被广泛用于语义分割。本文中，我们将若干著名 FCNN 应用于脑肿瘤分割，进行比较并调整网络结构，以在精确率、召回率、交并比均值（mIoU）和 Dice 系数（DSC）等指标上取得更优性能。对经典 FCNN 的调整包括增加卷积层间连接、扩大上采样层后的解码器以及改变浅层信息复用方式。除结构修改外，我们还提出一种带分层 Dice 损失的新分类器。受类别间包含关系启发，该损失函数将多分类转化为多个二分类，以抵消不平衡数据集带来的负面影响。我们在训练集与测试集上进行了大量实验，以评估精炼全卷积神经网络与新损失函数。有竞争力的数据证明它们比先前方法更有效。
引用
@article{arxiv.1712.09093,
title = {Brain Tumor Segmentation Based on Refined Fully Convolutional Neural Networks with A Hierarchical Dice Loss},
author = {Jiachi Zhang and Xiaolei Shen and Tianqi Zhuo and Hong Zhou},
journal= {arXiv preprint arXiv:1712.09093},
year = {2018}
}
备注
14 pages, 7 figures, 6 tables