Bridging the Gap Between 2D and 3D Organ Segmentation with Volumetric Fusion Net

From MICCAI 2018 part4

摘要

文章提出了一种交替框架，在不同的切面上训练2D网络来分割，建立了一个3D体融合网络（VFN）来融合2D分割结果。和大多数的3D网络相比较，VFN是相对浅层的，并且有更少的参数，这使得我们的框架在整合3D信息来分割时更加高效。我们分开训练和测试分割和融合模块，并且提出了一种新颖的策略，cross-cross-augmentation，来充分利用有限的训练数据，我们在一些挑战性的腹部器官上评估我们的网络，并且证实了我们提出的框架在分割准确性和稳定性的优势比较现有的2D和3D方法。