DDU-Nets：用于 3D MRI 脑肿瘤分割的分布式密集模型
图像与视频处理
2020-03-04 v1 计算机视觉与模式识别
摘要
由于脑肿瘤及其子区域特征微弱且形状可变，其分割仍是一项具有挑战性的任务。本文提出三种分布式密集连接（DDCs）模式（cross-skip、skip-1 和 skip-2），通过在网络的关键层之间构建隧道来增强 CNN 的特征复用与传播。为更好地从多模态 3D MR 图像中检测和分割脑肿瘤，嵌入 DDCs 的基于 CNN 的模型（DDU-Nets）以有限的参数量从像素到像素高效地训练。随后应用后处理，通过减少假阳性样本来精炼分割结果。所提方法在 BraTS 2019 数据集上评估，结果表明 DDU-Nets 在所需计算成本更低的同时具有有效性。
引用
@article{arxiv.2003.01337,
title = {DDU-Nets: Distributed Dense Model for 3D MRI Brain Tumor Segmentation},
author = {Hanxiao Zhang and Jingxiong Li and Mali Shen and Yaqi Wang and Guang-Zhong Yang},
journal= {arXiv preprint arXiv:2003.01337},
year = {2020}
}