OR-UNet：一种用于内镜图像器械分割的优化鲁棒残差 U-Net
图像与视频处理
2020-04-28 v1 计算机视觉与模式识别
摘要
内镜图像分割是计算机及机器人辅助介入的关键处理步骤。Robust-MIS 挑战赛提供了迄今最大的标注内镜图像数据集，包含 5983 张人工标注图像。在此我们介绍 OR-UNet，即我们用于内镜图像分割的优化鲁棒残差 2D U-Net。顾名思义，该网络在编码器中使用了残差连接。它以 Dice 损失与交叉熵损失之和并结合深度监督进行训练。训练期间采用广泛的数据增强以提升鲁棒性。在对训练图像的 8 折交叉验证中，我们的模型取得了均值（中位数）Dice 分数 87.41（94.35）。我们在测试集上将交叉验证得到的八个模型作为集成使用。
引用
@article{arxiv.2004.12668,
title = {OR-UNet: an Optimized Robust Residual U-Net for Instrument Segmentation in Endoscopic Images},
author = {Fabian Isensee and Klaus H. Maier-Hein},
journal= {arXiv preprint arXiv:2004.12668},
year = {2020}
}