用于鲁棒滤泡分割的残差金字塔全卷积网络
计算机视觉与模式识别
2019-01-15 v1
摘要
在本文中，我们提出一种金字塔网络结构来改进基于 FCN 的分割方案，并将其应用于组织学图像中甲状腺滤泡的标注。我们的设计基于这样一种理念：若实现得当，分层更新机制可帮助 FCN 捕获图像中的主要目标以及结构细节。为此，我们设计了一个残差模块挂载在连续网络层上，通过它像素标签将以自底向上的方式从最粗层传播到最细层。我们在改进的 U-Net 解码路径上添加五个残差单元以构成我们的分割网络 Res-Seg-Net。实验表明，我们模型中的多分辨率设置能有效地产生具有更高准确度和鲁棒性的分割结果。
引用
@article{arxiv.1901.03760,
title = {Residual Pyramid FCN for Robust Follicle Segmentation},
author = {Zhewei Wang and Weizhen Cai and Charles D. Smith and Noriko Kantake and Thomas J. Rosol and Jundong Liu},
journal= {arXiv preprint arXiv:1901.03760},
year = {2019}
}
备注
5 pages; accepted to ISBI'2019