用于脑血管图像分割的MLP-GAN
图像与视频处理
2022-10-28 v2 计算机视觉与模式识别
摘要
脑血管图像分割可作为更好地预防和治疗不同疾病的一种有前景的生物标志物。一种成功的方法是将分割视为图像到图像的翻译任务，并执行条件生成对抗网络（cGAN）来学习两个分布之间的变换。本文中，我们提出一种新颖的多视图方法 MLP-GAN，其将 3D 体脑血管图像拆分为三个不同维度的 2D 图像（即矢状面、冠状面、轴状面），然后将它们输入三个不同的 2D cGAN。所提出的 MLP-GAN 不仅缓解了原始 3D 神经网络中存在的显存问题，还保留了 3D 空间信息。具体而言，我们利用 U-Net 作为生成器的主干，并重新设计了集成近期备受关注的 MLP-Mixer 的跳跃连接模式。我们的模型借助 MLP-Mixer 获得了捕获跨块信息以学习全局信息的能力。在公开脑血管数据集上的大量实验表明，我们的 MLP-GAN 优于其他最先进的方法。我们的代码发布于 https://github.com/bxie9/MLP-GAN
引用
@article{arxiv.2207.08265,
title = {MLP-GAN for Brain Vessel Image Segmentation},
author = {Bin Xie and Hao Tang and Bin Duan and Dawen Cai and Yan Yan},
journal= {arXiv preprint arXiv:2207.08265},
year = {2022}
}
备注
Resubmit a conference