用于前列腺分割的深度监督 CNN
计算机视觉与模式识别
2017-03-29 v3
摘要
从磁共振 (MR) 图像中进行前列腺分割在图像引导介入中起着重要作用。然而，前列腺在顶端和底部缺乏清晰边界，以及不同患者图像之间形状和纹理的巨大差异，使得该任务极具挑战性。为了克服这些问题，本文提出了一种深度监督卷积神经网络 (CNN)，利用卷积信息从 MR 图像中准确分割前列腺。与其他方法相比，所提出的模型通过附加的深度监督层能够有效检测前列腺区域。由于部分信息会在卷积后丢失，因此有必要将早期阶段提取的特征传递至后期阶段。实验结果表明，与其它已报道的方法相比，我们提出的方法显著提高了分割精度。
引用
@article{arxiv.1703.07523,
title = {Deeply-Supervised CNN for Prostate Segmentation},
author = {Qikui Zhu and Bo Du and Baris Turkbey and Peter L . Choyke and Pingkun Yan},
journal= {arXiv preprint arXiv:1703.07523},
year = {2017}
}
备注
Due to a crucial sign error in equation 1