用于分割的无偏形状紧致性先验
计算机视觉与模式识别
2017-05-18 v2
摘要
我们提出使用无量纲、无偏且与位置无关的形状紧致性先验来约束分割泛函，并利用交替方向乘子法(ADMM)高效求解。我们的先验涉及成对势的平方和，导致了一个具有挑战性的高阶优化问题，其中包含稠密（全连接）图。我们将该问题拆分为一系列更简单的子问题，在每次迭代中高效执行：(i) 基于Woodbury恒等式的稀疏矩阵求逆，(ii) 三次方程的闭式解，以及(iii) 具有稀疏图的子模成对子问题的图割更新。我们将该先验部署于能量最小化中，结合基于CNN的监督分类器项和标准正则化约束。我们在多个医学应用中证明了该能量的有效性。特别地，我们报告了在40个受试者上完全自动化算法的综合评估，显示出在MRI中腹主动脉分割这一挑战性任务上的竞争力。
引用
@article{arxiv.1704.08908,
title = {Unbiased Shape Compactness for Segmentation},
author = {Jose Dolz and Ismail Ben Ayed and Christian Desrosiers},
journal= {arXiv preprint arXiv:1704.08908},
year = {2017}
}
备注
Accepted at MICCAI 2017