KiPA22 报告：带轮廓正则化的 U-Net 用于肾脏结构分割
图像与视频处理
2022-09-08 v2 计算机视觉与模式识别
机器学习
摘要
三维(3D)集成肾脏结构(IRS)分割在临床实践中十分重要。随着深度学习技术的进展，许多专注于医学图像分割的强大框架被提出。在本挑战中，我们使用了 nnU-Net 框架，它是医学图像分割的最先进方法。为减少对肿瘤标签的离群预测，我们将肿瘤标签的轮廓正则化(CR)损失与 Dice 损失和交叉熵损失结合以改善此现象。
引用
@article{arxiv.2208.05772,
title = {KiPA22 Report: U-Net with Contour Regularization for Renal Structures Segmentation},
author = {Kangqing Ye and Peng Liu and Xiaoyang Zou and Qin Zhou and Guoyan Zheng},
journal= {arXiv preprint arXiv:2208.05772},
year = {2022}
}