用于生物医学图像分割的非局部 U-Net
计算机视觉与模式识别
2020-02-20 v2 机器学习
应用统计
机器学习
摘要
深度学习已在各种生物医学图像分割任务中展现出巨大前景。现有模型通常基于 U-Net，并依赖编码器–解码器架构与堆叠的局部算子来逐步聚合长程信息。然而，仅使用局部算子限制了效率与效果。在本工作中，我们提出了非局部 U-Net，其配备灵活的全聚合块，用于生物医学图像分割。这些块可作为保尺寸处理过程，以及下采样与上采样层插入 U-Net 中。我们在 3D 多模态等强度婴儿脑 MR 图像分割任务上进行了充分实验以评估非局部 U-Net。结果表明，我们提出的模型以更少的参数和更快的计算取得了顶尖性能。
引用
@article{arxiv.1812.04103,
title = {Non-local U-Net for Biomedical Image Segmentation},
author = {Zhengyang Wang and Na Zou and Dinggang Shen and Shuiwang Ji},
journal= {arXiv preprint arXiv:1812.04103},
year = {2020}
}
备注
In Proceedings of the 34th AAAI Conference on Artificial Intelligence (AAAI), 2019