Conv-MCD：一种即插即用的医学图像分割多任务模块
计算机视觉与模式识别
2019-08-16 v1
摘要
对于医学图像分割任务，基于全卷积网络（FCN）的架构已被广泛采用并进行了各种改进。这些架构中的一个上升趋势是利用辅助任务对目标区域进行联合学习，这种方法通常称为多任务学习。这些方法有助于施加平滑性和形状先验，而普通 FCN 方法未必包含这些。本文中，我们提出一种新颖的即插即用模块，称之为 Conv-MCD，它从两方面利用结构信息——i）使用轮廓图，ii）使用距离图，二者均可由真值分割图获得而无需额外标注成本。我们模块的主要好处是易于添加到任何最先进架构中，以极小的参数增加带来性能的显著提升。为证实上述主张，我们使用 4 种最先进架构在各种评价指标上进行了大量实验，并报告了相对于基础网络的性能显著提升。除前述实验外，我们还进行了消融研究和特征图可视化以进一步阐明我们的方法。
引用
@article{arxiv.1908.05311,
title = {Conv-MCD: A Plug-and-Play Multi-task Module for Medical Image Segmentation},
author = {Balamurali Murugesan and Kaushik Sarveswaran and Sharath M Shankaranarayana and Keerthi Ram and Jayaraj Joseph and Mohanasankar Sivaprakasam},
journal= {arXiv preprint arXiv:1908.05311},
year = {2019}
}
备注
Accepted in MLMI 2019