MKIS-Net：一种用于医学图像分割的轻量多核网络
图像与视频处理
2022-10-18 v1 计算机视觉与模式识别
机器学习
摘要
图像分割是医学成像中的一项重要任务。它构成了多种临床诊断方法、治疗和计算机辅助手术的基础。在本文中，我们提出了一种多核图像分割网络（MKIS-Net），其利用多个核来创建高效的感受野并增强分割性能。由于其多核设计，MKIS-Net是一种具有少量可训练参数的轻量架构。此外，这些多核感受野也有助于更好的分割结果。我们在包括视网膜血管分割、皮肤病变分割和胸部X光分割在内的若干任务上展示了MKIS-Net的有效性。所提网络的性能与最先进方法相比极具竞争力，且常常更优。此外，在某些情况下，MKIS-Net的可训练参数比现有医学图像分割方案少一个数量级以上，且至少比其他轻量架构小四倍。
引用
@article{arxiv.2210.08168,
title = {MKIS-Net: A Light-Weight Multi-Kernel Network for Medical Image Segmentation},
author = {Tariq M. Khan and Muhammad Arsalan and Antonio Robles-Kelly and Erik Meijering},
journal= {arXiv preprint arXiv:2210.08168},
year = {2022}
}