卷积神经网络与动态规划端到端学习用于左心室分割
计算机视觉与模式识别
2019-05-07 v2
摘要
可微编程能够将处理流水线中的不同函数或程序组合在一起，以实现端到端学习或优化。一个显著障碍是某些算法的不可微本性。我们提出使用合成梯度（SG）来克服这一困难。SG 利用神经网络的通用函数逼近性质。我们将 SG 应用于端到端学习中结合卷积神经网络（CNN）与动态规划（DP），从心脏 MRI 短轴视图分割左心室。我们的实验表明，CNN 与 DP 的端到端组合比仅使用 CNN 需要更少的标注图像即可达到显著更好的分割精度。
引用
@article{arxiv.1812.00328,
title = {End-to-end Learning of Convolutional Neural Net and Dynamic Programming for Left Ventricle Segmentation},
author = {Nhat M. Nguyen and Nilanjan Ray},
journal= {arXiv preprint arXiv:1812.00328},
year = {2019}
}