基于图神经网络与超像素的脑组织分割(修订版)
图像与视频处理
2022-09-27 v1
摘要
卷积神经网络(CNNs)通常被用作生物医学图像分割方法设计的骨干。然而,感受野限制与参数量大限制了这些方法的性能。本文提出一种基于图神经网络(GNN)的名为 GNN-SEG 的方法用于脑组织分割。与常规基于 CNN 的方法不同,GNN-SEG 以超像素为基本处理单元,并使用 GNN 学习脑组织结构。此外,受生物视觉系统中交互机制启发,我们提出两种交互模块用于特征增强与整合。实验中,我们在四个脑磁共振图像数据集上将 GNN-SEG 与最先进的基于 CNN 的方法进行比较。实验结果显示了 GNN-SEG 的优越性。
引用
@article{arxiv.2209.12764,
title = {Graph Neural Network and Superpixel Based Brain Tissue Segmentation (Corrected Version)},
author = {Chong Wu and Zhenan Feng and Houwang Zhang and Hong Yan},
journal= {arXiv preprint arXiv:2209.12764},
year = {2022}
}
备注
The original version of this paper was accepted and presented at 2022 International Joint Conference on Neural Networks (IJCNN). This version corrects the mistakes in Figs. 7 and 8