基于空洞卷积与残差增强 UNet 的结直肠癌分割
图像与视频处理
2021-03-18 v1 计算机视觉与模式识别
机器学习
摘要
结直肠癌是全球主要的死亡原因之一。然而，早期诊断可显著提高存活率，而关键在于识别体内肿瘤。由于其成像采用高分辨率技术，肿瘤标注耗时且需要专业知识。近来，基于卷积神经网络（CNN）的方法已被证明在许多生物医学分割任务中表现相当，甚至更优。针对当前任务，我们提出另一种基于 CNN 的方法，其除常规滤波器外还使用了空洞卷积与残差连接。训练与推理采用高效的基于块的方法进行，显著减少了不必要的计算。所提出的 AtResUNet 在 DigestPath 2019 挑战赛数据集上训练用于结直肠癌分割，结果的 Dice 系数为 0.748。
引用
@article{arxiv.2103.09289,
title = {Colorectal Cancer Segmentation using Atrous Convolution and Residual Enhanced UNet},
author = {Nisarg A. Shah and Divij Gupta and Romil Lodaya and Ujjwal Baid and Sanjay Talbar},
journal= {arXiv preprint arXiv:2103.09289},
year = {2021}
}
备注
5th IAPR International Conference on Computer Vision and Image Processing, 12 pages