MixNet：用于脑部分割的多模态混合网络
图像与视频处理
2020-04-22 v1 计算机视觉与模式识别
机器学习
摘要
自动脑结构分割对许多临床定量分析和诊断很重要。在这项工作中，我们引入了 MixNet，一种 2D 语义级深度卷积神经网络，用于在多模态 MRI 图像中分割脑部结构。该网络由我们修改的深度残差学习单元组成。在该单元中，我们用膨胀卷积层代替传统卷积层，避免了池化层和反卷积层的使用，减少了网络参数的数量。最终预测通过聚合来自多个尺度和模态的信息进行。在输出端使用金字塔池化模块来捕获解剖结构的空间信息。此外，我们测试了三种以不同方式融合模态的架构（MixNetv1、MixNetv2 和 MixNetv3），以观察对结果的影响。我们的网络实现了最先进的性能。MixNetv2 被提交至 MICCAI 2018 的 MRBrainS 挑战赛，并在 3 标签任务中获得第 3 名。在 MRBrainS2018 数据集（包含患有多种病理的受试者）上，仅使用 7 个受试者作为训练数据，便获得了 84.7%（灰质）、87.3%（白质）和 83.4%（脑脊液）的总体 DSC（Dice 系数）。
引用
@article{arxiv.2004.09832,
title = {MixNet: Multi-modality Mix Network for Brain Segmentation},
author = {Long Chen and Dorit Merhof},
journal= {arXiv preprint arXiv:2004.09832},
year = {2020}
}
备注
BrainLes, MICCAI 2018