CompareNet：具有深度非局部标签融合的解剖分割网络
计算机视觉与模式识别
2019-10-14 v1
摘要
标签传播是一种流行的解剖分割技术。本工作中，我们提出一种基于非局部标签融合的新型深度框架用于标签传播。我们的框架名为 CompareNet，它结合了用于提取判别特征和学习相似性度量的子网络，从而实现准确分割。我们还引入体素级分类作为标签融合函数的一元势，以缓解现有非局部融合策略的搜索失败问题。此外，CompareNet 是端到端可训练的，所有参数共同学习以获得最优性能。通过在两个公开数据集 IBSRv2 和 MICCAI 2012 上评估 CompareNet 进行脑分割，我们表明其在准确性上优于最先进的方法，同时对病理具有鲁棒性。
引用
@article{arxiv.1910.04797,
title = {CompareNet: Anatomical Segmentation Network with Deep Non-local Label Fusion},
author = {Yuan Liang and Weinan Song and J. P. Dym and Kun Wang and Lei He},
journal= {arXiv preprint arXiv:1910.04797},
year = {2019}
}