使用堆叠膨胀卷积的U-Net用于医学图像分割
图像与视频处理
2020-04-13 v2 计算机视觉与模式识别
机器学习
摘要
本文提出一种用于医学图像分割的、使用堆叠膨胀卷积的新型U-Net变体（SDU-Net）。SDU-Net采用原始U-Net的架构，但对编码器和解码器操作进行了修改（一个操作指对同分辨率特征图的所有处理）。与在每个编码器/解码器操作中包含两次标准卷积的原始U-Net不同，SDU-Net使用一次标准卷积后接多次膨胀卷积，并将所有膨胀卷积输出拼接作为下一操作的输入。实验表明，在全部四项测试的分割任务中，SDU-Net均优于原始U-Net、注意力U-Net（AttU-Net）和循环残差U-Net（R2U-Net），而参数量仅约为原始U-Net的40%、AttU-Net的17%、R2U-Net的15%。
引用
@article{arxiv.2004.03466,
title = {U-Net Using Stacked Dilated Convolutions for Medical Image Segmentation},
author = {Shuhang Wang and Szu-Yeu Hu and Eugene Cheah and Xiaohong Wang and Jingchao Wang and Lei Chen and Masoud Baikpour and Arinc Ozturk and Qian Li and Shinn-Huey Chou and Constance D. Lehman and Viksit Kumar and Anthony Samir},
journal= {arXiv preprint arXiv:2004.03466},
year = {2020}
}
备注
8 pages MICCAI