CU-Net：用于脑肿瘤分割的级联U-Net与损失加权采样
图像与视频处理
2019-07-19 v1 计算机视觉与模式识别
机器学习
摘要
本文提出一种用于脑肿瘤分割的 novel 级联U-Net。受脑肿瘤明显分层结构的启发，我们设计了一个级联深度网络框架，其中先分割整个肿瘤，再进一步分割肿瘤内部子结构。考虑到级联结构带来的网络深度增加导致深层中精确定位信息的丢失，我们构建了许多跳跃连接以链接相同分辨率的特征并将详细信息从浅层传输到深层。然后我们提出一种损失加权采样（LWS）方案，以消除训练网络时数据不平衡的问题。在BraTS 2017数据上的实验结果表明，我们的架构框架优于SOTA分割算法，尤其在分割灵敏度方面。
引用
@article{arxiv.1907.07677,
title = {CU-Net: Cascaded U-Net with Loss Weighted Sampling for Brain Tumor Segmentation},
author = {Hongying Liu and Xiongjie Shen and Fanhua Shang and Fei Wang},
journal= {arXiv preprint arXiv:1907.07677},
year = {2019}
}
备注
9 pages, 4 figures