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