DeepVoxNet2：又一个 CNN 框架

Jeroen Bertels; David Robben; Robin Lemmens; Dirk Vandermeulen

DeepVoxNet2：又一个 CNN 框架

计算机视觉与模式识别 2022-11-18 v1 机器学习

作者: Jeroen Bertels , David Robben , Robin Lemmens , Dirk Vandermeulen

摘要

我们知道，对于基于 CNN 的图像分析，CNN 映射函数与采样方案均至关重要。显然，这两个函数在同一空间中运作，具有图像轴 $\mathcal{I}$ 与特征轴 $\mathcal{F}$ 。引人注目的是，我们发现现有框架中无一将二者统一并自动追踪数据的空间来源。基于我们自身的实践经验，我们发现后者常导致复杂且难以交换的编码与流水线。本文介绍我们面向一、二或三维图像分类或分割的框架：DeepVoxNet2（DVN2）。本文作为交互式教程，其预编译版本（含代码块输出）可在公开 DVN2 仓库中在线获取。本教程使用 2018 年多模态脑肿瘤图像分割基准（BRATS）的数据展示一个三维分割流水线示例。

关键词

CNN 框架图像分割图像分类 DeepVoxNet2 BRATS

引用

@article{arxiv.2211.09569,
  title  = {DeepVoxNet2: Yet another CNN framework},
  author = {Jeroen Bertels and David Robben and Robin Lemmens and Dirk Vandermeulen},
  journal= {arXiv preprint arXiv:2211.09569},
  year   = {2022}
}

备注

15 pages, part of PhD thesis KU Leuven 2022 "Understanding Final Infarct Prediction in Acute Ischemic Stroke Using Convolutional Neural Networks"

DeepVoxNet2：又一个 CNN 框架

摘要

关键词

引用

备注

相关论文