SS-3DCapsNet：用于少标注数据医学分割的自监督三维胶囊网络
图像与视频处理
2022-03-30 v2 计算机视觉与模式识别
摘要
胶囊网络是一种近期提出的深度网络架构，已成功应用于医学图像分割任务。本工作将胶囊网络扩展至体医学图像分割，并结合自监督学习。针对以往胶囊网络权重初始化的问题，我们利用自监督学习进行胶囊网络预训练，其中我们的前置任务通过自重建进行优化。我们的胶囊网络 SS-3DCapsNet 具有基于 UNet 的架构，包含三维胶囊编码器和三维 CNN 解码器。我们在 iSeg-2017、Hippocampus 和 Cardiac 等多个数据集上的实验表明，采用自监督预训练的三维胶囊网络显著优于以往的胶囊网络和 3D-UNet。
引用
@article{arxiv.2201.05905,
title = {SS-3DCapsNet: Self-supervised 3D Capsule Networks for Medical Segmentation on Less Labeled Data},
author = {Minh Tran and Loi Ly and Binh-Son Hua and Ngan Le},
journal= {arXiv preprint arXiv:2201.05905},
year = {2022}
}
备注
Accepted to ISBI 2022