Boundary Regularized Convolutional Neural Network for Layer Parsing of Breast Anatomy in ABUS

这是关于2D的AUBS的文章，刊登在micca上面。之前一直都在关注自然图像的paper，作者不得不关注一下医疗图像的。

作者在文章中提出了两个创新点2-stages domain transfer（2DT）和deep boundary supervision（DBS）。

1.2DT

作者提出使用自然图像进行初始化可以取得一定的提升，但是医学图像和自然图像的domain差别很大，所以采用医学图像来初始化可以取得更好的效果。作者先训练边缘检测（边缘为1，其他为0）用模型训练之后的参数作为解剖层分割模型的初始化参数。

2.DBS

作者认为仅仅把解剖层分割的预测值与ground truth的loss由于模型的深度太深会导致梯度不稳定问题，于是作者类似于pspnet，采用了侧监督的方法来辅助前面层参数的训练，但是与pspnet不同的是，其采用的监督信息是边缘检测，而pspnet仍然采用的是分割的结果，作者对最后5层都加了辅助的loss进行监督。考虑到边缘的数据很不平衡（1很少0很多），所以作者采用了class-balanced cross entropy作为损失函数。

明天介绍Holistically-Nested Edge Detection