使用VQ-VAE的神经形态保持体数据编码
图像与视频处理
2020-02-14 v1 计算机视觉与模式识别
定量方法
摘要
深度学习架构效率与紧凑性的不断提升，加之硬件改进，已使得以更高分辨率对医学体数据进行复杂高维建模成为可能。近来，矢量量化变分自编码器（VQ-VAE）被提出作为一种高效的无监督生成学习方法，其能将图像编码至初始尺寸的极小比例，同时保持解码保真度。在此，我们展示一个受VQ-VAE启发的网络可高效编码全分辨率3D脑体数据，将数据压缩至原始尺寸的同时保持图像保真度，并显著优于先前的最先进水平（SOTA）。我们随后通过基于体素的形态学与分割实验证明，VQ-VAE解码图像保留了原始数据的形态学特征。最后，我们展示此类模型可先预训练再在不同数据集上微调而不引入偏倚。
引用
@article{arxiv.2002.05692,
title = {Neuromorphologicaly-preserving Volumetric data encoding using VQ-VAE},
author = {Petru-Daniel Tudosiu and Thomas Varsavsky and Richard Shaw and Mark Graham and Parashkev Nachev and Sebastien Ourselin and Carole H. Sudre and M. Jorge Cardoso},
journal= {arXiv preprint arXiv:2002.05692},
year = {2020}
}