基于知识的全卷积网络及其在肺部CT图像分割中的应用
计算机视觉与模式识别
2018-05-23 v1
摘要
多种深度神经网络已应用于医学图像分割并取得了良好性能。与自然图像不同，相同成像模态的医学图像具有相同的模式特征，这意味着相同的正常器官或组织位于图像中相似的位置。因此，本文尝试将医学图像的先验知识融入神经网络结构中，以利用先验知识实现准确分割。基于该思想，我们提出了一种用于医学图像分割的名为基于知识的全卷积网络（KFCN）的新型深度网络。分析了其分割函数及相应误差。我们证明了KFCN存在传统FCN所不具备的渐近稳定区域。实验验证了我们将先验知识融入KFCN卷积核的知识假设，并表明KFCN能够实现合理的分割和令人满意的精度。
引用
@article{arxiv.1805.08492,
title = {Knowledge-based Fully Convolutional Network and Its Application in Segmentation of Lung CT Images},
author = {Tao Yu and Yu Qiao and Huan Long},
journal= {arXiv preprint arXiv:1805.08492},
year = {2018}
}
备注
9 pages, 5 figures