基于膨胀卷积金字塔下采样与自注意力的婴儿脑MRI分割
计算机视觉与模式识别
2020-03-31 v2
摘要
本文提出一种双聚合网络，用于在婴儿脑MRI分割中自适应聚合不同信息。更确切地说，我们在3D-UNet基础上添加了两个模块，以更好地建模不同层次和位置的信息。膨胀卷积金字塔下采样模块主要解决下采样过程中空间信息丢失的问题，它能在降低分辨率的同时有效保留细节。自注意力模块可在空间和通道两个维度上整合特征图的远程依赖，有效提升模型的表征能力与判别能力。我们的结果与第一名的iseg2017评估获胜者相比，WM和GM的DICE系数提高了0.7%，CSF相当。在最新的iseg-2019跨数据集挑战评估中，我们在WM和GM的DICE上取得第一，CSF的DICE位居第二。
引用
@article{arxiv.1912.12570,
title = {Infant brain MRI segmentation with dilated convolution pyramid downsampling and self-attention},
author = {Zhihao Lei and Lin Qi and Ying Wei and Yunlong Zhou},
journal= {arXiv preprint arXiv:1912.12570},
year = {2020}
}
备注
5 pages,5 figures