QQ Group: 428014259
Tencent E-mail:403568338@qq.com
http://blog.csdn.net/dgyuanshaofeng/article/details/82917241
在小器官分割上,深度神经网络的表现是不令人满意的。文章首先利用一个网络对整个腹部CT扫描进行分割,获得mask;然后利用mask去定位需要进一步分割的区域,裁剪出由mask决定的区域,然后进行分割,获得最后的小器官mask。
0 摘要
1 介绍
2 方法
2.1 深度分割网络
第一,采样VNet[2]提出的DSC-loss层。
第二,分别使用冠状面、矢状面和横断面的2D图像,训练2D-FCN。在测试时,使用majority voting确定每一像素的标签(是前景or是背景)。
2.2 不动点优化(Fixed-Point)
整图分割和感兴趣区域分割的准确性差异如图1所示。显然,对于小物体/小器官分割和检测,背景容易bias深度分割网络。给定当前分割 Z ⋆ Z^{\star} Z⋆,寻找变换函数 r ( X , Z ⋆ ) r(X,Z^{\star}) r(X,Z⋆),即根据当前分割和输入图像,生成包含待分割小器官/小物体的感兴趣区域。对于这个感兴趣区域,使用神经网络 f ( x ; Θ ) f(x;\Theta) f(x;Θ)继续分