集成多尺度全卷积网络以改进白质病变分割
计算机视觉与模式识别
2018-07-26 v1
摘要
在本文中，我们针对具有挑战性的白质病变分割任务开发了一种两阶段神经网络方案。为应对病变尺寸的巨大差异，我们以三种不同维度从脑 MR 扫描中采样块，并将其分别送入独立的全卷积神经网络（FCNs）。在第二阶段，我们分开处理大病变与小病变，并使用集成网络（ensemble-nets）来合并由 FCNs 生成的分割结果。集成网络中采用了一种新颖的激活函数，以提升以 Dice 相似系数衡量的分割精度。在 MICCAI 2017 白质高信号（WMH）分割挑战赛数据上的实验表明，我们的两阶段多尺度 FCN 方法以及新激活函数，在捕获 MR 图像中的白质病变方面是有效的。
引用
@article{arxiv.1807.09298,
title = {Ensemble of Multi-sized FCNs to Improve White Matter Lesion Segmentation},
author = {Zhewei Wang and Charles D. Smith and Jundong Liu},
journal= {arXiv preprint arXiv:1807.09298},
year = {2018}
}
备注
Accepted to MLMI 2018