DSU-net：用于 MRI 中头颈肿瘤自动分割的密集 SegU-net
图像与视频处理
2020-12-22 v3 计算机视觉与模式识别
摘要
在 MRI 中精确分割最常见的头颈肿瘤——鼻咽癌（NPC）——对治疗和监管决策具有重要意义。然而，NPC 病灶大小和形状的高度变异、边界模糊以及有限的可用标注样本，使 MRI 中的 NPC 分割成为一项具有挑战性的任务。本文中，我们提出一种密集 SegU-net（DSU-net）框架用于 MRI 中 NPC 的自动分割。我们的贡献有三方面。首先，不同于传统 U-net 中使用上卷积进行上采样的解码器，我们认为从低分辨率特征到高分辨率输出的恢复应能够保留对精确边界定位重要的信息。因此，我们使用反池化进行上采样并提出 SegU-net。其次，为应对潜在的梯度消失问题，我们引入了密集块以促进特征传播与复用。第三，仅使用交叉熵（CE）作为损失函数可能带来误预测等问题，因此我们提出使用由 CE 损失和 Dice 损失组成的损失函数训练网络。我们在内部数据集上进行了广泛的定量与定性比较，实验结果表明我们提出的架构优于现有的最先进分割网络。
引用
@article{arxiv.2006.06278,
title = {DSU-net: Dense SegU-net for automatic head-and-neck tumor segmentation in MR images},
author = {Pin Tang and Chen Zu and Mei Hong and Rui Yan and Xingchen Peng and Jianghong Xiao and Xi Wu and Jiliu Zhou and Luping Zhou and Yan Wang},
journal= {arXiv preprint arXiv:2006.06278},
year = {2020}
}
备注
This research needs to be advanced in the future