基于 F-CNN 的子皮质脑结构分割
计算机视觉与模式识别
2016-02-08 v1
摘要
在本文中，我们提出了一种深度学习方法，用于在磁共振 (MR) 图像数据中分割人脑的皮质下结构。我们从用于自然图像中物体语义分割的最先进全卷积神经网络 (F-CNN) 架构中汲取灵感，并将其调整到我们的任务中。与之前在图像块上操作的基于 CNN 的方法不同，我们的模型应用于完整的 2D 图像，在测试时无需任何对齐或配准步骤。我们通过将 CNN 输出解释为马尔可夫随机场 (MRF) 的势函数来进一步改善分割结果，该随机场的拓扑对应于一个体素网格。使用 alpha-expansion 执行近似推断，向 CNN 先验施加空间体素同质性。我们将所提出流水线的性能与使用基于随机森林的先验的类似系统以及最先进的分割算法进行比较，并在两个不同的人脑 MRI 数据集上展示了有前景的结果。
引用
@article{arxiv.1602.02130,
title = {Sub-cortical brain structure segmentation using F-CNN's},
author = {Mahsa Shakeri and Stavros Tsogkas and Enzo Ferrante and Sarah Lippe and Samuel Kadoury and Nikos Paragios and Iasonas Kokkinos},
journal= {arXiv preprint arXiv:1602.02130},
year = {2016}
}
备注
ISBI 2016: International Symposium on Biomedical Imaging, Apr 2016, Prague, Czech Republic