从少量样本学习植物根系MRI图像超分辨率三维分割
计算机视觉与模式识别
2019-03-19 v1 机器学习
摘要
分析植物根系对于理解植物在不同土壤环境中的表现至关重要。虽然磁共振成像（MRI）可用于获取植物根系的三维图像，但由于土壤环境噪声高且MRI图像分辨率低，提取根系结构模型具有挑战性。为同时改善对比度与分辨率，我们采用当前最优方法RefineNet对植物根系MRI图像进行超分辨率三维分割。网络由少量人工分割结果训练，并通过几何变换、真实噪声及其他变化进行数据增强。所得分割结果包含了大部分根系结构，包括人工标注者未提取出的分支。
引用
@article{arxiv.1903.06855,
title = {Learning Super-resolution 3D Segmentation of Plant Root MRI Images from Few Examples},
author = {Ali Oguz Uzman and Jannis Horn and Sven Behnke},
journal= {arXiv preprint arXiv:1903.06855},
year = {2019}
}
备注
27th European Symposium on Artificial Neural Networks, Computational Intelligence and Machine Learning (ESANN), Bruges, Belgium, 2019