作为循环神经网络的条件随机场用于三维医学影像分割
计算机视觉与模式识别
2018-07-20 v1
摘要
作为循环神经网络的条件随机场（CRF as RNN）层是近期提出的一种算法，旨在置于已有的全卷积神经网络之上以提升语义分割质量。在本文中，我们检验了该算法（已被证明可改善二维 RGB 图像的语义分割）是否能够提升三维多模态医学图像的分割质量。我们开发了适用于任意空间维数、输入/输出图像通道数及参考图像通道数的算法实现。据我们所知，这是此类首个公开可用的实现。我们使用两个不同的三维医学影像数据集测试了该算法，得出的结论是所观察到的性能差异在统计上不显著。最后，在论文的讨论部分，我们探讨了该技术从自然图像向医学图像迁移效果差的原因。
引用
@article{arxiv.1807.07464,
title = {Conditional Random Fields as Recurrent Neural Networks for 3D Medical Imaging Segmentation},
author = {Miguel Monteiro and Mário A. T. Figueiredo and Arlindo L. Oliveira},
journal= {arXiv preprint arXiv:1807.07464},
year = {2018}
}
备注
11 pages, 3 figures (with 11 subfigures)