融合纹理与结构的 ScatterNet 混合深度学习网络 (TS-SHDL) 用于脑组织分割
计算机视觉与模式识别
2017-08-31 v1
摘要
由于灰质和白质区域之间存在不规则边界，且 MR 图像中存在强度不均匀性，从 MR 图像中自动分割脑组织是一项具有挑战性的任务。本文提出了一种融合纹理和血管化特征的 ScatterNet 混合深度学习网络 (TS-SHDL) 版本，该网络提取层次化的不变中层特征，并利用 Fisher 向量编码和条件随机场 (CRF) 执行所需的分割。我们在来自合成 McGill Brain Web 的多个 2D MRI 扫描以及来自真实 3D MRI 扫描的 MRBrainS 数据集上，通过广泛的实验并与最先进 (state-of-the-art) 方法进行比较，评估了所提出网络的性能。除了展示其优于最先进方法的性能外，本文还阐述了 TS-SHDL 网络相对于监督深度学习网络的优势。
引用
@article{arxiv.1708.09300,
title = {Texture and Structure Incorporated ScatterNet Hybrid Deep Learning Network (TS-SHDL) For Brain Matter Segmentation},
author = {Amarjot Singh and Devamanyu Hazarika and Aniruddha Bhattacharya},
journal= {arXiv preprint arXiv:1708.09300},
year = {2017}
}
备注
To Appear in the IEEE International Conference on Computer Vision Workshops (ICCVW) 2017