Y-Net：一种用于医学图像分割的空频双编码器网络
图像与视频处理
2022-07-08 v2 计算机视觉与模式识别
机器学习
摘要
视网膜光学相干断层扫描（OCT）图像的自动分割已成为医学应用机器学习中的一个重要方向。我们假设各层的解剖结构及其在OCT图像中的高频变化，使视网膜OCT成为提取频域特征并与空间域特征相结合的合适选择。在这项工作中，我们提出-Net，一种将频域特征与图像域相结合的架构，以改善OCT图像的分割性能。本工作的结果表明，引入两个分支（一个用于频域，一个用于空间域特征）带来了液体分割性能的非常显著提升，并使其能够超越知名的U-Net模型。我们的提升在液体分割dice分数上为13%，在平均dice分数上为1.9%。最后，在频域中移除选定频率范围展示了这些特征对液体分割性能提升的影响。
引用
@article{arxiv.2204.07613,
title = {Y-Net: A Spatiospectral Dual-Encoder Networkfor Medical Image Segmentation},
author = {Azade Farshad and Yousef Yeganeh and Peter Gehlbach and Nassir Navab},
journal= {arXiv preprint arXiv:2204.07613},
year = {2022}
}
备注
Accepted to MICCAI 2022