基于无监督卷积神经网络的医学图像分割
计算机视觉与模式识别
2021-05-13 v4 机器学习
图像与视频处理
摘要
对于大多数基于学习的分割方法，需要大量高质量的训练数据。本文提出一种新颖的基于学习的分割模型，可进行半监督或无监督训练。具体而言，在无监督设定下，我们通过卷积神经网络（ConvNet）参数化无边缘主动轮廓（ACWE）框架，并使用自监督方法优化ConvNet的参数。在另一设定（半监督）中，训练期间使用辅助分割真值。我们表明该方法在单光子发射计算机断层扫描（SPECT）图像背景下可提供快速且高质量的骨骼分割。
引用
@article{arxiv.2001.10155,
title = {Medical Image Segmentation via Unsupervised Convolutional Neural Network},
author = {Junyu Chen and Eric C. Frey},
journal= {arXiv preprint arXiv:2001.10155},
year = {2021}
}
备注
In Medical Imaging with Deep Learning (2020)