ResUNet++：一种用于医学图像分割的改进架构
图像与视频处理
2019-11-19 v1 计算机视觉与模式识别
摘要
在结肠镜检查中，准确的计算机辅助息肉检测与分割可帮助内镜医师切除异常组织，从而降低息肉恶变为癌症的概率。为开发用于像素级息肉分割的全自动模型，我们提出了 ResUNet++，这是一种针对结肠镜图像分割改进的 ResUNet 架构。我们的实验评估表明，所提架构在公开可用数据集上产生了良好的分割结果。此外，ResUNet++ 以骰子系数 81.33%、Kvasir-SEG 数据集平均交并比（mIoU）79.27%，以及 CVC-612 数据集骰子系数 79.55%、mIoU 79.62% 的高评估分数，显著优于 U-Net 和 ResUNet 这两种关键的最先进深度学习架构。
引用
@article{arxiv.1911.07067,
title = {ResUNet++: An Advanced Architecture for Medical Image Segmentation},
author = {Debesh Jha and Pia H. Smedsrud and Michael A. Riegler and Dag Johansen and Thomas de Lange and Pal Halvorsen and Havard D. Johansen},
journal= {arXiv preprint arXiv:1911.07067},
year = {2019}
}
备注
7 pages, 3 figures, 21st IEEE International Symposium on Multimedia