CSSegNet：在 U-net 中使用空洞金字塔池化进行细粒度心脏结构分割
计算机视觉与模式识别
2019-07-03 v1 应用统计
摘要
心脏结构分割在医学分析流程中起着重要作用。图像边界模糊问题始终限制着分割性能。为解决这一难题，我们提出了一种新颖的网络结构，其在网络编码与解码阶段间的跳跃连接中嵌入了空洞金字塔池化块。空洞金字塔池化块由具有不同视野范围的卷积与池化操作构成。模型配备该模块后可获得多尺度视野能力。结合其他技术，还包括多尺度初始特征提取与多分辨率预测聚合模块。作为主干特征提取网络，我们借鉴了 Xception 网络的基本思想，其受益于可分离卷积。在 Post 2017 MICCAI-ACDC challenge 阶段数据上评估，我们提出的模型在左心室腔 (LVC) 与右心室腔 (RVC) 分割任务中取得了最先进的性能。结果表明，我们的方法在几何（Dice 系数、Hausdorff 距离）与临床评估（射血分数、体积）上均具优势，分别代表了更贴近的边界与更显著的统计意义。
引用
@article{arxiv.1907.01390,
title = {CSSegNet: Fine-Grained Cardiac Structures Segmentation Using Dilated Pyramid Pooling in U-net},
author = {Fei Feng and Jiajia Luo},
journal= {arXiv preprint arXiv:1907.01390},
year = {2019}
}