利用概率图谱强制拓扑约束
计算机视觉与模式识别
2019-09-19 v1
摘要
概率图谱(PAs)长期以来被用于标准分割方法中，近年来也与卷积神经网络(CNNs)结合使用。然而，其应用仅限于脑或心脏等相对标准化的结构，这些结构的形变范围有限或可预测。本文提出一种编码-解码CNN架构，可利用仅编码目标结构拓扑的粗略图谱——这些结构可出现在任意姿态且具有任意复杂形状——以改善分割结果。该方法依靠编码器的输出同时计算用于形变图谱的姿态参数和分割掩码本身，从而高效且可端到端训练。
引用
@article{arxiv.1909.08330,
title = {Probabilistic Atlases to Enforce Topological Constraints},
author = {Udaranga Wickramasinghe and Graham Knott and Pascal Fua},
journal= {arXiv preprint arXiv:1909.08330},
year = {2019}
}