黄斑孔的鲁棒3D U-Net分割
图像与视频处理
2021-04-08 v2 计算机视觉与模式识别
机器学习
摘要
黄斑孔是一种导致视觉损伤的常见眼部疾病。我们研究了深度卷积神经网络在黄斑孔分割问题上的应用。我们以3D U-Net架构为基础，并尝试了若干设计变体。人工标注和测量黄斑孔耗时且易出错。以往的黄斑孔自动分割方法分割单次3D扫描需要数分钟。我们提出的模型在不到一秒内生成显著更精确的分割结果。我们发现，一种通过大幅简化网络容量和深度来实现架构简化的方法，超越了专家表现以及诸如残差3D U-Net等最先进（state-of-the-art）模型。
引用
@article{arxiv.2103.01299,
title = {Robust 3D U-Net Segmentation of Macular Holes},
author = {Jonathan Frawley and Chris G. Willcocks and Maged Habib and Caspar Geenen and David H. Steel and Boguslaw Obara},
journal= {arXiv preprint arXiv:2103.01299},
year = {2021}
}