用于全切片图像语义分割的多分辨率网络
计算机视觉与模式识别
2018-07-26 v1
摘要
数字病理学为将全卷积网络(FCNs)应用于诸如全切片图像(WSIs)的语义分割等任务提供了极佳机会。然而，标准 FCNs 面临源自 WSIs 金字塔式排布的多分辨率挑战。因此，亟需专门设计用于在不同层级学习与聚合信息的网络。本文提出两种基于流行“U-Net”架构的新型多分辨率网络，并在一个用于 WSIs 二值语义分割的基准数据集上进行了评估。所提方法优于 U-Net，展现出更优的学习与泛化能力。
引用
@article{arxiv.1807.09607,
title = {Multi-Resolution Networks for Semantic Segmentation in Whole Slide Images},
author = {Feng Gu and Nikolay Burlutskiy and Mats Andersson and Lena Kajland Wilen},
journal= {arXiv preprint arXiv:1807.09607},
year = {2018}
}
备注
Accepted by MICCAI COMPAY 2018 Workshop