用自监督双曲表示捕捉 3D 生物医学图像中的隐式层次结构
计算机视觉与模式识别
2021-10-27 v3
摘要
我们考虑用于 3D 体素网格生物医学图像无监督分割的表示学习任务。我们表明，捕获子体块间隐式层次关系的模型更适于该任务。为此，我们考虑具有双曲潜空间的编码器–解码器架构，以显式捕获数据子体块中存在的层次关系。我们提出使用一种带有新颖陀螺平面卷积层的 3D 双曲变分自编码器，以从嵌入空间映射回 3D 图像。为捕获这些关系，我们引入一项关键的自监督损失——除标准 VAE 损失外——其推断近似层次结构并鼓励隐式相关的子体块在嵌入空间中被映射得更近。我们在合成数据与生物医学数据上展示实验以验证我们的假设。
引用
@article{arxiv.2012.01644,
title = {Capturing implicit hierarchical structure in 3D biomedical images with self-supervised hyperbolic representations},
author = {Joy Hsu and Jeffrey Gu and Gong-Her Wu and Wah Chiu and Serena Yeung},
journal= {arXiv preprint arXiv:2012.01644},
year = {2021}
}
备注
To appear at NeurIPS 2021