Y-net：使用卷积自编码器的三维颅内动脉分割
图像与视频处理
2017-12-21 v1 计算机视觉与模式识别
摘要
在磁共振血管造影（MRA）上对颅内动脉进行自动分割可实现脑血管特征的量化，这为理解脑血管系统的衰老与病理生理适应提供了工具。使用卷积自编码器（CAE）进行分割大有前景，因其利用自编码器结构通过以低维潜变量表示高维信息，在有效降噪与特征提取方面具备优势。在本报告中，一个优化的 CAE 模型（Y-net）被训练以从 49 例 MRA 数据学习三维颅内动脉分割模型。所训练的模型在二分类与视觉评价上均表现优于三种传统分割方法。
引用
@article{arxiv.1712.07194,
title = {Y-net: 3D intracranial artery segmentation using a convolutional autoencoder},
author = {Li Chen and Yanjun Xie and Jie Sun and Niranjan Balu and Mahmud Mossa-Basha and Kristi Pimentel and Thomas S. Hatsukami and Jenq-Neng Hwang and Chun Yuan},
journal= {arXiv preprint arXiv:1712.07194},
year = {2017}
}
备注
5 pages, 4 figures, an improved version after accepted by IEEE International Conference on Bioinformatics and Biomedicine, Kansas City, MO, USA, November 13 - 16, 2017