用于肺CT图像分割的密集连接循环残差（Dense R2UNet）卷积神经网络
图像与视频处理
2021-02-02 v1 计算机视觉与模式识别
机器学习
摘要
深度学习网络已在语义分割中确立了其最先进（state of the art）的性能。这些技术被广泛应用于医学检测、分割与分类。基于U-Net的架构的出现在此类应用中变得尤为流行。本文提出密集循环残差卷积神经网络（Dense R2U CNN），它是基于U-Net模型架构的循环CNN、残差网络与密集卷积网络的融合。残差单元有助于训练更深网络，而密集循环层增强了分割所需的特征传播。所提模型在基准肺病变数据集上测试，在分割任务上表现出优于其等价模型的性能。
引用
@article{arxiv.2102.00663,
title = {Densely Connected Recurrent Residual (Dense R2UNet) Convolutional Neural Network for Segmentation of Lung CT Images},
author = {Kaushik Dutta},
journal= {arXiv preprint arXiv:2102.00663},
year = {2021}
}