基于循环解码单元的医学 MRI 分割
图像与视频处理
2019-11-22 v1 计算机视觉与模式识别
摘要
编码器-解码器网络因其在分层特征融合方面的卓越性能而常用于医学图像分割。然而，用于特征解码和空间恢复的上采样路径在融合不同层特征图时未考虑长期依赖，且通用编码器-解码器网络未充分利用多模态信息以提升网络鲁棒性，尤其是对医学 MRI 的分割。本文中，我们提出一种称为循环解码单元（RDC）的新型特征融合单元，其利用卷积 RNN 在解码阶段记忆来自前层的长期上下文信息。还提出了一种基于 RDC 的编码器-解码器网络，称为卷积循环解码网络（CRDN），用于分割多模态医学 MRI。CRDN 采用 CNN 主干编码图像特征，并通过 RDC 链分层解码以获得最终高分辨率得分图。在 BrainWeb、MRBrainS 和 HVSMR 数据集上的评估实验表明，RDC 的引入有效提高了分割精度并减小了模型尺寸，且所提 CRDN 对医学 MRI 中的图像噪声和强度不均匀性具有鲁棒性。
引用
@article{arxiv.1911.09401,
title = {Segmenting Medical MRI via Recurrent Decoding Cell},
author = {Ying Wen and Kai Xie and Lianghua He},
journal= {arXiv preprint arXiv:1911.09401},
year = {2019}
}
备注
8 pages, 7 figures, AAAI-20