UI-Net：基于用户模型的交互式人工神经网络用于迭代图像分割
计算机视觉与模式识别
2017-09-12 v1 人工智能
机器学习
神经与进化计算
摘要
对于复杂的分割任务，全自动系统在提取相关对象的可达精度方面存在固有局限。尤其在仅需处理少量数据集以获得高精度结果的情况下，半自动分割技术对用户具有明显优势。一个应用领域是单患者干预期间的医学图像处理。我们提出一种基于学习的协作分割方法，将计算实体与用户均纳入任务中。我们的系统构建于最先进的全卷积人工神经网络（FCN）以及用于训练的主动用户模型之上。在分割过程中，训练系统的用户可以以图像涂鸦形式作为种子点迭代地向FCN系统添加额外提示，以实现交互式精确分割结果。我们评估了交互式FCN的分割质量。由于每次交互后分割质量持续提升，迭代FCN方法相较于无用户输入通道组件的网络能产出更优结果。
引用
@article{arxiv.1709.03450,
title = {UI-Net: Interactive Artificial Neural Networks for Iterative Image Segmentation Based on a User Model},
author = {Mario Amrehn and Sven Gaube and Mathias Unberath and Frank Schebesch and Tim Horz and Maddalena Strumia and Stefan Steidl and Markus Kowarschik and Andreas Maier},
journal= {arXiv preprint arXiv:1709.03450},
year = {2017}
}
备注
This work is submitted to the 2017 Eurographics Workshop on Visual Computing for Biology and Medicine