QQ Group: 428014259
Tencent E-mail:403568338@qq.com
https://blog.csdn.net/dgyuanshaofeng/article/details/83247409
作者:Holger R. Roth, Chen Shen, Hirohisa Oda, Takaaki Sugino, Masahiro Oda, Yuichiro Hayashi, Kazunari Misawa, Kensaku Mori
单位:Graduate School of Informatics, Nagoya University(名古屋大学); Aichi Cancer Center; Information Technology Center, Nagoya University; Research Center for Medical Bigdata, National Institute of Informatics
作者Holger R. Roth是早期在医学影像领域中使用深度学习技术的人。从2018年6月开始,是NVIDIA的资深应用研究科学家。曾是名古屋大学的助理教授,曾是USA NIH的访问研究学者,是UCL(帝国理工学院)的PhD。现在还是IEEE TMI的AE(副编辑)个人主页:[Holger Roth] ,GitHub:[Holger Roth]
0 摘要
略
1 介绍
多尺度金字塔FCN如图1所示,包含两个思想:其一为经典的尺度空间金字塔,其二为自动上下文(auto-context)。这样的话,就可以融合和整合不同图像尺度和不同程度图像上下文信息。与之前的工作相比,两/多阶段FCN是直接同时训练。
![](https://i-blog.csdnimg.cn/blog_migrate/01502d7ef5750d77b563f5f1d14572d7.png)
2 方法
2.1 3D FCN
见3D U-Net和2D U-Net。
2.2 多尺度自动上下文信息金字塔方法
个人觉得通常 d s 1 = 2 ds_{1}=2 ds