文章阅读：精细分割R-CNN

论文地址：论文

github地址：代码

简介

点状白质病变（PWML）是早产儿的常见疾病。如果新生儿第一次没有进行人工干预，PWML可能会导致脑瘫和许多其他神经系统疾病。通过自动算法准确分割婴儿脑中的PWML可以降低产后发育的潜在风险。如何有效地分割PWML已成为近年来医学图像分割的活跃话题之一。

概述

作者的贡献：

1. 构建了一个有效地分割PWML的语义分割网络，称为精细分割R-CNN（RS RCNN）。
2. 提出了一种启发式RPN（H-RPN），它可以利用PWML周围的周围信息进行启发式分割。
3. 计了一个轻量级的分割网络，以快速分割病变。密集连接的条件随机场（DCRF）用于优化分割结果。

方法

作者提出的精细分割R-CNN采用了两阶段方法，首先提取候选区域，然后处理候选区域。

如图为精细分割R-CNN的结构图：

• 精细分割R-CNN主要包括启发式区域提议网络（H-RPN），轻量级精细分割网络（LRS-Net）和网络头。
• 精细分割R-CNN主要包括启发式区域提议网络（H-RPN），轻量级精细分割网络（LRS-Net）和网络头。
• 网络头部利用H-RPN提供的ROI周围信息来细化ROI的类和边界框。然后将修改后的ROI发送到LRS-Net进行病变分割。
• 此外，我们在模型中使用两个独立的RoIAligns。他们可以通过双线性插值将输入要素图重新缩放为新形状。