具有解剖先验的深度学习：在潜空间模仿增强自编码器以改进 MRI 中骨盆骨分割
计算机视觉与模式识别
2019-03-25 v1
摘要
我们提出了一种基于 2D 编码器-解码器的深度学习架构用于语义分割，该架构通过在潜空间模仿自编码器的编码器组件来引入解剖先验。该自编码器还通过 U-Net 模块提取的层次化特征得到进一步增强。我们建议的架构以端到端方式训练，并在 MRI 中骨盆骨分割的实例上进行了评估。与标准 U-Net 架构的比较显示出有前景的改进。
引用
@article{arxiv.1903.09263,
title = {Deep Learning with Anatomical Priors: Imitating Enhanced Autoencoders in Latent Space for Improved Pelvic Bone Segmentation in MRI},
author = {Duc Duy Pham and Gurbandurdy Dovletov and Sebastian Warwas and Stefan Landgraeber and Marcus Jäger and Josef Pauli},
journal= {arXiv preprint arXiv:1903.09263},
year = {2019}
}
备注
Accepted for IEEE International Symposium on Biomedical Imaging (ISBI) 2019