利用溅射层在多变图像分辨率上拟合分割网络

图像分割中所用数据并非总定义于同一网格上。对于医学图像而言尤为如此，其分辨率、视野与朝向可因通道和受试者而异。因此图像与标签通常作为预处理步骤被重采样到同一网格。然而，重采样操作会引入部分容积效应与模糊，从而改变有效分辨率并降低结构间对比度。本文提出一种溅射（splat）层，可自动处理输入数据中的分辨率不匹配。该层将每幅图像推送到执行前向传播的平均空间。由于溅射算子为重采样算子的伴随算子，平均空间预测可被拉回至原生标签空间，在此计算损失函数。由此，不再需要借助插值的显式分辨率调整。我们在两个公开数据集（含模拟与真实多模态磁共振图像）上表明，相较将重采样作为预处理步骤，该模型提升了分割结果。