用于改进脑肿瘤分割中上下文聚合的全局平面卷积
图像与视频处理
2019-08-28 v1 计算机视觉与模式识别
机器学习
摘要
在这项工作中，我们引入全局平面卷积（Global Planar Convolution, GPC）模块作为全卷积网络的构建模块，其聚合全局信息，从而增强分割网络在脑肿瘤分割任务中的上下文感知能力。我们实现了两种基线架构（3D UNet 和 3D UNet 的残差版本 ResUNet），并提出了一种基于这两种架构、包含所提全局平面卷积模块的新架构 ContextNet。我们表明，添加此类模块消除了构建具有多个表示层网络的需求，后者往往参数过多且收敛速度慢。此外，我们通过中间表示的可视化为 GPC 模块的行为提供了直观演示。最后，我们凭借基于 ContextNet 的最佳性能模型参与了 2018 年 BraTS 挑战赛，并报告了在挑战赛验证集和测试集上的评估分数。
引用
@article{arxiv.1908.10281,
title = {Global Planar Convolutions for improved context aggregation in Brain Tumor Segmentation},
author = {Santi Puch and Irina Sánchez and Aura Hernández and Gemma Piella and Vesna Prchkovska},
journal= {arXiv preprint arXiv:1908.10281},
year = {2019}
}
备注
Brainlesion: Glioma, Multiple Sclerosis, Stroke and Traumatic Brain Injuries. BrainLes 2018