形态学操作残差块：增强卷积神经网络在医学图像语义分割中的三维形态学特征表示
计算机视觉与模式识别
2021-03-09 v1 机器学习
图像与视频处理
摘要
器官与组织的形状和形态是医学图像识别与分割中的重要先验知识。形态学操作是一种众所周知的形态学特征提取方法。由于形态学操作在手工图像分割技术中表现良好，在卷积网络中设计近似形态学操作的方法同样具有前景。然而，将传统卷积神经网络作为黑箱通常难以明确形态学操作的作用。在此，我们引入了一种三维形态学操作残差块，用于在端到端深度学习模型中提取形态学特征以进行语义分割。本研究提出了一种新颖的网络块架构，将形态学操作作为无限强先验嵌入卷积神经网络中。我们构建了若干带有该形态学操作块的三维深度学习模型，并在不同的医学图像分割任务中进行了比较。实验结果表明，与传统方法相比，所提网络在分割任务中取得了相对更高的性能。总之，该新颖网络块可轻松嵌入传统网络，并有效增强用于医学图像分割的深度学习模型。
引用
@article{arxiv.2103.04026,
title = {Morphological Operation Residual Blocks: Enhancing 3D Morphological Feature Representation in Convolutional Neural Networks for Semantic Segmentation of Medical Images},
author = {Chentian Li and Chi Ma and William W. Lu},
journal= {arXiv preprint arXiv:2103.04026},
year = {2021}
}