面向三维生物医学分割的联合序列学习与跨模态卷积
计算机视觉与模式识别
2017-04-26 v1
摘要
诸如卷积神经网络之类的深度学习模型已广泛应用于三维生物医学分割并取得了 state-of-the-art 性能。然而，它们大多数通常适应单一模态或将多种模态堆叠为不同的输入通道。为了更好地利用多模态，我们提出了一种带有跨模态卷积层的深度编码器-解码器结构，以融合 MRI 数据的不同模态。此外，我们利用卷积 LSTM 对一系列 2D 切片建模，并以端到端的方式联合学习多模态与卷积 LSTM。为避免收敛到特定标签，我们采用重加权方案和两阶段训练来处理标签不平衡。在 BRATS-2015 上的实验结果表明，我们的方法优于 state-of-the-art 生物医学分割方法。
引用
@article{arxiv.1704.07754,
title = {Joint Sequence Learning and Cross-Modality Convolution for 3D Biomedical Segmentation},
author = {Kuan-Lun Tseng and Yen-Liang Lin and Winston Hsu and Chung-Yang Huang},
journal= {arXiv preprint arXiv:1704.07754},
year = {2017}
}
备注
CVPR 2017