用于肿瘤分割的多解码器网络与多去噪输入
图像与视频处理
2020-12-08 v1 计算机视觉与模式识别
摘要
从多模态MRI扫描中自动分割脑胶质瘤在临床试验与实践中起着关键作用。遗憾的是,尽管有人类专家,由于人工标注的高方差与高不确定性,手动分割非常具有挑战性、耗时、昂贵且常不准确。在本工作中,我们开发了一种基于端到端深度学习的分割方法,采用多解码器架构,通过部分共享的编码器联合学习三个独立的子问题。我们还提出对输入图像应用平滑方法以生成去噪版本作为网络的额外输入。验证性能表明使用所提方法有所改善。所提方法在2020年多模态磁共振成像脑肿瘤分割不确定性量化挑战赛中位列第2名。
引用
@article{arxiv.2012.03684,
title = {Multi-Decoder Networks with Multi-Denoising Inputs for Tumor Segmentation},
author = {Minh H. Vu and Tufve Nyholm and Tommy Löfstedt},
journal= {arXiv preprint arXiv:2012.03684},
year = {2020}
}