医学肝分割论文H-DenseUnet解析

1 基本说明

本文对H-DenseUnet进行了解析，包括网络结构、数据处理、训练测试过程及结果分析。

2 网络结构

网络主要有4个模块组成：ResNet轮廓粗提取、2D DenseUnet提取切片内特征、3D DenseUnet提取切片间特征、HFF层2D和3D特征融合。网络结构图如图2.1。

 

      2D和3D的DenseUnet首先经过由DenseNet Block构成的Unet结构提取切片内部和切片空间特征，然后将两者特征融合并经由HFF层预测最终结果。网络结构解析如表2.1，其中对每一层的网络操作和数据维度进行了计算。表2.2对Dense block进行了描述，以2D DenseUnet中dense block1为例。

表2.1 网络结构解析

ResNet粗轮廓提取部分
描述	输入	输出	参数量
volumes数据	224*224*12	---	---
2D ResNet提取每张切片肝粗糙轮廓	224*224*12	224*224*12	---
transformation process(处理成12组三张连续的切片)	224*224*12	224*224*3	---
2D DenseUnet部分
描述	输入	输出	参数量
input	224*224*3	---	---
conv1：7*7,#C 96,#S 2	224*224*3	112*112*96	14208
max pool： 3*3, #S 2	112*112*96	56*56*96	---
dense block1：	56*56*96	56*56*384	747936
transition layer1： 1*1 conv，2*2 aver pool	56*56*384	28*28*192	73920
dense block2：	28*28*192	28*28*768	2048832
transition layer2：1*1 conv，2*2 aver pool	28*28*768	14*14*384	295296
dense block3：	14*14*384	14*14*2112	11454912
transition layer3：1*1 conv，2*2 aver pool	14*14*2112	7*7*1056	2231328
dense block4：	7*7*1056	7*7*2208	9401472
upsampling layer1：2*2 upsample	7*7*2208	14*14*2208	---
sum with dense block3	---<