通过快速通用风格迁移消除外观偏移以提升超声图像分割性能
图像与视频处理
2020-02-17 v1 计算机视觉与模式识别
摘要
当发生图像外观偏移时，深度神经网络（DNNs）会出现性能下降，尤其在超声（US）图像分割中。本文中，我们提出了一种新颖且直观的框架来消除外观偏移，从而提升DNNs的泛化能力。我们的工作有三个亮点。首先，我们遵循通用风格迁移的思想来消除外观偏移，这在此前的US图像中未被探索。在不牺牲图像结构细节的情况下，它实现了任意风格-内容迁移。其次，借助自适应实例归一化模块加速，我们的框架达到了临床US扫描所需的实时速度。第三，提出了一种高效且有效的风格图像选择策略，以确保目标风格US图像与测试内容US图像恰当匹配。在两个大型US数据集上的实验表明，我们的方法在使DNNs对各种外观偏移具有鲁棒性方面优于最先进的方法。
引用
@article{arxiv.2002.05844,
title = {Remove Appearance Shift for Ultrasound Image Segmentation via Fast and Universal Style Transfer},
author = {Zhendong Liu and Xin Yang and Rui Gao and Shengfeng Liu and Haoran Dou and Shuangchi He and Yuhao Huang and Yankai Huang and Huanjia Luo and Yuanji Zhang and Yi Xiong and Dong Ni},
journal= {arXiv preprint arXiv:2002.05844},
year = {2020}
}
备注
IEEE International Symposium on Biomedical Imaging (IEEE ISBI 2020)