L-SNet：从区域定位到尺度不变医学图像分割
计算机视觉与模式识别
2021-02-12 v1
摘要
由粗到细的模型与级联分割架构被广泛用于解决医学图像分割中尺度变化大的问题。然而，这些方法有两个主要局限：第一阶段分割成为性能瓶颈；缺乏整体可微性使得两阶段训练过程异步且不一致。本文提出一种可微的两阶段网络架构以应对这些问题。第一阶段中，定位网络（L-Net）以检测方式定位感兴趣区域（RoIs）；第二阶段中，分割网络（S-Net）在重新校准的RoIs上执行精细分割；L-Net与S-Net之间的RoI重新校准模块消除了不一致性。公开数据集上的实验结果表明，我们的方法以可忽略的计算开销优于最先进的由粗到细模型。
引用
@article{arxiv.2102.05971,
title = {L-SNet: from Region Localization to Scale Invariant Medical Image Segmentation},
author = {Jiahao Xie and Sheng Zhang and Jianwei Lu and Ye Luo},
journal= {arXiv preprint arXiv:2102.05971},
year = {2021}
}