DASN：用于精准 MR 脑组织结构分割的数据感知专长网络
计算机视觉与模式识别
2018-07-25 v2
摘要
MR 脑组织精准分割是脑异常诊断、手术规划与治疗的关键步骤。需要自动且可靠的分方法来辅助医生。过去几年，深度学习尤其是深度卷积神经网络（CNNs）已成为各领域图像识别问题最突出的方法之一。但深度网络的改进总需要灵感，这对普通人而言罕见。迄今已有合理的 MR 脑组织分割方法，皆能取得可喜性能。这些不同方法各有特点，对数据集表现各异。换言之，不同模型在同一数据集上性能差异显著，且各模型皆有其所长。基于此，我们提出一种判别方法来区分不同模型所擅长的数据集。借助我们的方法，可在既有模型基础上轻松提升分割精度，既无需增加训练数据，也无需改进网络。我们在广泛使用的 IBSR 18 数据集上验证本方法，取得平均 Dice 系数 88.06%，而单独使用某一模型时分别为 85.82% 与 86.92%。
引用
@article{arxiv.1807.08473,
title = {DASN:Data-Aware Skilled Network for Accurate MR Brain Tissue Segmentation},
author = {Yang Deng and Yao Sun and Yongpei Zhu and Shuo Zhang and Mingwang Zhu and Kehong Yuan},
journal= {arXiv preprint arXiv:1807.08473},
year = {2018}
}