用于高效肝脏与肿瘤分割的多切片稠密-稀疏学习
计算机视觉与模式识别
2022-03-24 v1 人工智能
机器学习
图像与视频处理
摘要
准确的自动肝脏与肿瘤分割在治疗规划与疾病监测中起着至关重要的作用。近来，深度卷积神经网络（DCNNs）在 2D 与 3D 医学图像分割中取得了巨大成功。然而，2D DCNNs 无法充分利用切片间信息，而 3D DCNNs 计算昂贵且内存密集。为解决这些问题，我们首先从数据角度提出一种新颖的稠密-稀疏训练流程，其中稠密相邻切片与稀疏相邻切片被提取作为 DCNNs 的正则化输入，从而提升模型性能。此外，我们从网络角度设计了一个 2.5D 轻量型 nnU-Net，其中采用深度可分离卷积以提升效率。在 LiTS 数据集上的大量实验证明了所提方法的优越性。
引用
@article{arxiv.2108.06761,
title = {Multi-Slice Dense-Sparse Learning for Efficient Liver and Tumor Segmentation},
author = {Ziyuan Zhao and Zeyu Ma and Yanjie Liu and Zeng Zeng and Pierce KH Chow},
journal= {arXiv preprint arXiv:2108.06761},
year = {2022}
}
备注
Accepted in 43rd Annual International Conference of the IEEE Engineering in Medicine and Biology Society, IEEE EMBC 2021