用于多光子显微镜血管分割的深度学习卷积网络
计算机视觉与模式识别
2016-06-09 v1 人工智能
摘要
近年来，将深度学习框架用于 2D 消费级图像和 3D 医学图像的趋势不断增长。然而，将深度框架用于体积血管分割的努力仍然很少。我们希望通过提供包含 12 个已标注双光子血管显微镜图像堆栈的免费可用数据集来解决这一问题。我们展示了由 2D 和 3D 卷积滤波器组成的深度学习框架的使用。我们的 2D-3D 混合架构产生了有前景的分割结果。我们的架构衍生自 Lee 等人的工作，他们使用了最初为电子显微镜图像分割设计的 ZNN 框架。我们希望通过共享我们的体积血管数据集，能够激励其他研究人员在血管数据集上进行实验并改进所使用的网络架构。
引用
@article{arxiv.1606.02382,
title = {Deep Learning Convolutional Networks for Multiphoton Microscopy Vasculature Segmentation},
author = {Petteri Teikari and Marc Santos and Charissa Poon and Kullervo Hynynen},
journal= {arXiv preprint arXiv:1606.02382},
year = {2016}
}
备注
23 pages, 10 figures