图像分割论文:Automated Design of Deep Learning Methods for Biomedical Image Segmentation
Auther: Fabian Isensee, Institution:German Cancer Research Center, Publish year: 2020
论文地址:https://arxiv.org/abs/1904.08128v2
github: https://github.com/MIC-DKFZ/nnUNet
Key point:
深度学习在医学分割领域取得了重要的进展,但针对某个具体的分割任务设计方案时,要综合考虑数据集特征,硬件条件等方面的因素。常规的方案设计需要人工评估数据集特征,手动调参,会消耗大量人力物力资源。而nnUNet则提供了一个自适应通用医学分割框架,仅使用最基本的UNet-based网络结构,可以对多种数据集做到即插即用。
对于特定任务的设计需要专业知识和经验的支撑,即使小的错误会导致性能严重下降
而作者的贡献主要是:
- 使用“数据指纹”(数据集的关键属性)和“管道指纹”(分割算法的关键设计选择)来配置分割框架的关键方法