时空建模遇见 3D 医学图像分析：具有多视图融合的切片平移 UNet
图像与视频处理
2023-07-26 v2 计算机视觉与模式识别
摘要
作为计算医疗的基础部分，计算机断层扫描（CT）与磁共振成像（MRI）提供体数据，使得开发用于 3D 图像分析的算法成为必要。尽管计算成本低廉，2D 卷积神经网络只能提取空间信息。相比之下，3D CNN 可提取三维特征，但具有更高的计算成本与延迟，这对于需要快速高效模型的临床实践而言是一种局限。受视频动作识别领域启发，我们提出了一种名为切片平移 UNet（SSH-UNet）的新型基于 2D 的模型，该模型以 2D CNN 的复杂度编码三维特征。更确切地说，多视图特征通过沿体的三个正交平面执行 2D 卷积并施加权重共享机制来协同学习。被 2D 卷积忽略的第三维通过沿切片轴平移部分特征图而重新纳入。我们的方法在多模态腹部多器官分割（AMOS）和颅腔外多图谱标注（BTCV）数据集上得到验证，表明 SSH-UNet 更高效，同时性能与最先进架构相当。
引用
@article{arxiv.2307.12853,
title = {Spatiotemporal Modeling Encounters 3D Medical Image Analysis: Slice-Shift UNet with Multi-View Fusion},
author = {C. I. Ugwu and S. Casarin and O. Lanz},
journal= {arXiv preprint arXiv:2307.12853},
year = {2023}
}