用于多模态等强度婴儿脑 MR 图像分割的多流三维 FCN 与多尺度深度监督
计算机视觉与模式识别
2019-03-12 v2
摘要
我们提出一种方法，以解决将多模态等强度婴儿脑 MR 图像分割为白质（WM）、灰质（GM）和脑脊液（CSF）这一挑战性问题。我们的方法基于上下文引导的多流全卷积网络（FCN），其在训练后可直接将整个体数据映射为其体素级标签。为缓解训练期间潜在的梯度消失问题，我们设计了多尺度深度监督。此外，利用上下文信息进一步提升了我们方法的性能。在 MICCAI 2017 六月龄婴儿脑 MRI 分割大挑战赛（iSeg-2017）的测试数据上验证，我们的方法对 CSF、GM 和 WM 分别取得了 95.4%、91.6% 和 89.6% 的平均 Dice 重叠系数。
引用
@article{arxiv.1711.10212,
title = {Multi-stream 3D FCN with Multi-scale Deep Supervision for Multi-modality Isointense Infant Brain MR Image Segmentation},
author = {Guodong Zeng and Guoyan Zheng},
journal= {arXiv preprint arXiv:1711.10212},
year = {2019}
}
备注
5 pages, 3 figures, submitted to ISBI 2018