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 |
---< |