结合金字塔池化与注意力机制的盆腔 MR 图像语义分割
计算机视觉与模式识别
2018-06-29 v2
摘要
放射科医生一项耗时的常规工作是从断层图像中辨别解剖结构。为辅助放射科医生，本文提出一种盆腔磁共振（MR）图像的自动分割方法。该任务面临三大挑战：1）盆腔器官随轴向图像不同可有不同大小与形状，需局部上下文以正确分割；2）不同器官在 MR 图像中常外观极为相似，需全局上下文以分割；3）可用标注图像数量极少，难以使用最新分割算法。为应对这些挑战，我们提出一种称为注意力-金字塔网络（APNet）的新型卷积神经网络，其有效利用局部与全局上下文，并辅以一种对 MR 图像特别有效的数据增强技术。为评估方法，我们构建了细粒度（50 个盆腔器官）的 MR 图像分割数据集，并通过实验确认了我们的技术相对于 SOTA 图像分割方法的优越性能。
引用
@article{arxiv.1806.00264,
title = {Combining Pyramid Pooling and Attention Mechanism for Pelvic MR Image Semantic Segmentaion},
author = {Ting-Ting Liang and Satoshi Tsutsui and Liangcai Gao and Jing-Jing Lu and Mengyan Sun},
journal= {arXiv preprint arXiv:1806.00264},
year = {2018}
}
备注
12 pages