使用Z-net进行前列腺分割
图像与视频处理
2019-01-21 v1
摘要
在本文中，我们提出了一种卷积神经网络（CNN）的新架构，即Z-net，用于从磁共振图像（MRIs）中分割前列腺。在所提出的Z-net中，5对具有不同尺寸和特征图数量的Z块与解码Z块以类似于U-net的方式组装。所提出的架构可通过使用拼接和密集连接来捕获更多的多级特征。总共使用45张训练图像来训练所提出的Z-net，并在5张验证图像上作定性评估、在30张测试图像上作定量评估。此外，评估并比较了包括填充裁剪、2D缩放和3D缩放在内的三种用于统一样本尺寸的方法。实验结果表明，2D缩放是所提出Z-net的最合适方法。与其他两种经典CNN架构相比，所提出的方法在前列腺分割上表现出更优的性能。
引用
@article{arxiv.1901.06115,
title = {Prostate segmentation using Z-net},
author = {Yue Zhang and Jiong Wu and Wanli Chen and Yifan Chen and Xiaoying Tang},
journal= {arXiv preprint arXiv:1901.06115},
year = {2019}
}
备注
IEEE International Symposium on Biomedical Imaging, Venice Italy. 2019