利用预训练融合网络处理缺失MR序列的多模态分割
计算机视觉与模式识别
2019-09-26 v1
摘要
缺失数据是机器学习中的常见问题，在回顾性影像研究中常以缺失成像模态的形式出现。我们提议在神经网络的设计和训练中考虑缺失模态，以确保即使在多个图像不可用时它们也能提供最佳可能的预测。所提出的网络结合了对标准3D UNet架构的三项修改：带模态丢弃的训练方案、在最终阶段具有融合层的多路径架构，以及这些路径的分别预训练。使用BraTS多模态分割挑战赛，这些修改在完整数据和缺失数据上的性能被逐步评估。最终模型在缺失数据上相对于最先进水平显示出显著改进，并且在训练期间需要更少的内存。
引用
@article{arxiv.1909.11464,
title = {Multi-modal segmentation with missing MR sequences using pre-trained fusion networks},
author = {Karin van Garderen and Marion Smits and Stefan Klein},
journal= {arXiv preprint arXiv:1909.11464},
year = {2019}
}
备注
Accepted at MICCAI MIL3ID workshop 2019