VoxResNet：用于体积脑分割的深度体素级残差网络
计算机视觉与模式识别
2016-08-23 v1
摘要
近年来，利用残差单元训练极深神经网络的深度残差学习在二维图像识别任务（如目标检测和分割）上推进了最先进的性能。然而，如何充分利用体积数据中的上下文表示进行识别任务尚未得到充分研究，尤其是在医学图像计算领域，其中大多数图像模态均为体积格式。本文探索了深度残差学习在体积脑分割任务中的应用。我们的工作至少有两个主要贡献。首先，我们提出了一种深度体素级残差网络，称为VoxResNet，它借鉴了二维图像识别任务中深度残差学习的思想，并扩展为处理体积数据的三维变体。其次，通过无缝集成低级图像外观特征、隐式形状信息和高级上下文，提出了VoxResNet的自动上下文版本，以进一步提高体积分割性能。在具有挑战性的磁共振（MR）图像脑分割基准上进行的大量实验证实了我们提出的方法在处理体积数据方面的有效性。我们相信，这项工作揭示了三维深度学习在提升体积图像分割识别性能方面的潜力。
引用
@article{arxiv.1608.05895,
title = {VoxResNet: Deep Voxelwise Residual Networks for Volumetric Brain Segmentation},
author = {Hao Chen and Qi Dou and Lequan Yu and Pheng-Ann Heng},
journal= {arXiv preprint arXiv:1608.05895},
year = {2016}
}