用于三维脑肿瘤分割的高效嵌入网络
计算机视觉与模式识别
2020-11-24 v1
摘要
基于深度学习的 3D 医学图像处理深受数据匮乏的困扰。因此，与存在超大数据集的 2D 自然图像分析工作相比，该领域的研究十分有限。结果，强大且高效的 2D 卷积神经网络得以开发并训练。本文中，我们探究了一种将二维分类网络的性能迁移用于三维脑肿瘤语义分割的方法。我们通过将 EfficientNet 模型作为编码分支的一部分，提出了一种非对称 U-Net 网络。由于输入数据为 3D，编码器的前几层致力于降低第三维以适配 EfficientNet 网络的输入。在 BraTS 2020 挑战赛的验证与测试数据上的实验结果表明，所提方法取得了有前景的性能。
引用
@article{arxiv.2011.11052,
title = {Efficient embedding network for 3D brain tumor segmentation},
author = {Hicham Messaoudi and Ahror Belaid and Mohamed Lamine Allaoui and Ahcene Zetout and Mohand Said Allili and Souhil Tliba and Douraied Ben Salem and Pierre-Henri Conze},
journal= {arXiv preprint arXiv:2011.11052},
year = {2020}
}
备注
Multimodal Brain Tumor Segmentation Challenge 2020