用于脑肿瘤分割的优化 U-Net
图像与视频处理
2021-12-28 v2 计算机视觉与模式识别
机器学习
摘要
我们提出了一种用于 BraTS21 挑战赛中脑肿瘤分割任务的优化 U-Net 架构。为寻找最优模型架构和学习调度，我们进行了广泛的消融研究以测试：深度监督损失、Focal loss、解码器注意力、drop block 和残差连接。此外，我们搜索了 U-Net 编码器的最优深度、卷积通道数和后处理策略。我们的方法在验证阶段获胜，并在测试阶段获得第三名。我们已在 NVIDIA Deep Learning Examples GitHub 仓库中开源了用于复现我们 BraTS21 提交结果的代码。
引用
@article{arxiv.2110.03352,
title = {Optimized U-Net for Brain Tumor Segmentation},
author = {Michał Futrega and Alexandre Milesi and Michal Marcinkiewicz and Pablo Ribalta},
journal= {arXiv preprint arXiv:2110.03352},
year = {2021}
}
备注
15 pages, 7 figures, MICCAI submission, BraTS21 submission