U-SegNet：基于全卷积神经网络的自动化脑组织分割工具
计算机视觉与模式识别
2018-06-13 v1
摘要
从磁共振图像（MRI）中自动将脑组织分割为白质（WM）、灰质（GM）和脑脊液（CSF），有助于癫痫、阿尔茨海默病、多发性硬化症等神经疾病的诊断。然而，皮层外围薄层的 GM 结构以及组织边界（如 GM 与 WM 之间，或 WM 与 CSF 之间）的平滑过渡，给构建可靠的分割工具带来了困难。本文提出了一种全卷积神经网络（FCN）工具，它是两种广泛使用的深度学习分割架构 SegNet 和 U-Net 的混合体，用于改进脑组织分割。我们在 SegNet 架构中提出了受 U-Net 启发的跳跃连接，以融入精细的多尺度信息，从而更好地识别组织边界。我们表明，所提出的 U-SegNet 架构在由 18 名受试者的 T-1 加权 MRI 体数据组成的广泛使用的 IBSR 数据集上，将平均 dice 系数衡量的分割性能提升至 89.74%。
引用
@article{arxiv.1806.04429,
title = {U-SegNet: Fully Convolutional Neural Network based Automated Brain tissue segmentation Tool},
author = {Pulkit Kumar and Pravin Nagar and Chetan Arora and Anubha Gupta},
journal= {arXiv preprint arXiv:1806.04429},
year = {2018}
}
备注
Accepted in ICIP, 2018