CompNet：用于脑MRI提取的互补分割网络
计算机视觉与模式识别
2018-10-11 v2
摘要
脑提取是大多数脑成像研究的基础步骤。本文研究颅骨剥离问题，并提出互补分割网络(CompNets)以从T1加权MRI扫描中精确提取大脑，适用于正常与病态脑图像。所提网络设计于编码器-解码器网络框架下，具有两条路径以分别从脑组织及其位于脑外的互补部分学习特征。互补路径提取非脑区域中的特征，从而对训练数据集中不存在的带病灶MRI实现鲁棒的脑提取方案。我们通过在OASIS数据集上评估证明了网络的有效性，在二倍交叉验证设定下取得了最先进的性能。此外，通过对引入病灶的图像进行测试并展示其对未见脑病灶的不变性，验证了网络的鲁棒性。另外，我们的互补网络设计具有通用性，可扩展用于解决其他具有更好泛化能力的图像分割问题。
引用
@article{arxiv.1804.00521,
title = {CompNet: Complementary Segmentation Network for Brain MRI Extraction},
author = {Raunak Dey and Yi Hong},
journal= {arXiv preprint arXiv:1804.00521},
year = {2018}
}
备注
8 pages, Accepted to MICCAI 2018