以非成像数据调节卷积分割架构
图像与视频处理
2019-07-30 v1
摘要
我们比较了基于拼接与特征调制两种调节机制，以将非成像信息整合进用于解剖结构分割的卷积神经网络中。作为概念验证，我们提供了由真实掩码获得的类别标签分布，以确保调节数据与分割图之间的强相关性。我们在 ACDC 数据集上评估了这些方法，并表明利用非成像数据进行调节可提升分割网络的性能。我们观察到对 U-Net 架构进行调节颇具挑战性，没有任何方法带来显著改进。然而，不含跳跃连接的同一架构通过特征调制优于基线，且相对性能随训练规模减小而提高。
引用
@article{arxiv.1907.12330,
title = {Conditioning Convolutional Segmentation Architectures with Non-Imaging Data},
author = {Grzegorz Jacenków and Agisilaos Chartsias and Brian Mohr and Sotirios A. Tsaftaris},
journal= {arXiv preprint arXiv:1907.12330},
year = {2019}
}
备注
Accepted as an extended abstract at MIDL 2019 conference. MIDL 2019 [arXiv:1907.08612]