HIVE-Net：用于 EM 图像中线粒体分割的中心线感知分层视图集成卷积网络
计算机视觉与模式识别
2021-01-11 v1
摘要
电子显微镜（EM）的语义分割是高效获取可靠形态统计的关键步骤。尽管深度卷积神经网络（CNN）取得了巨大成功，但它们在线粒体分割中仍会产生具有大量不连续和假阳性的粗糙分割结果。在本研究中，我们引入了一种中心线感知的多任务网络，利用中心线作为线粒体的内在形状线索来正则化分割。由于 3D CNN 在大型医学体数据上的应用通常受其巨大计算成本和存储开销的阻碍，我们引入了一种新颖的分层视图集成卷积（HVEC），作为 3D 卷积的简单替代方案，以更高效的 2D 卷积学习 3D 空间上下文。HVEC 能够分解和共享多视图信息，从而提升学习能力。在两个具有挑战性的基准上的大量验证结果表明，所提方法在准确率和视觉质量上优于最先进的方法，同时模型尺寸大幅减小。此外，所提模型还显示出显著改进的泛化能力，尤其是在训练数据量相当有限时。
引用
@article{arxiv.2101.02877,
title = {HIVE-Net: Centerline-Aware HIerarchical View-Ensemble Convolutional Network for Mitochondria Segmentation in EM Images},
author = {Zhimin Yuan and Xiaofen Ma and Jiajin Yi and Zhengrong Luo and Jialin Peng},
journal= {arXiv preprint arXiv:2101.02877},
year = {2021}
}
备注
Accepted by CPMB