[深度学习从入门到女装]HyperDense-Net: A hyper-densely connected CNN for multi-modal image segmentation

论文地址：HyperDense-Net: A hyper-densely connected CNN for multi-modal image segmentation

 

这是一篇使用denseNet进行多模态医学图像分割的论文

 

思路很简单，在传统的多模态使用过程中，常常是下图这两种方法

Single Dense Path就是直接将多模态concate到一起作为一个input放到网络中进行训练学习

Dual Dense Path就是先将多模态单独进行网络的学习，在stream的最后在合并在一起

但是这两种方法对于多模态的融合效果并不好，因此本文提出来一种使用densenet的方法将多模态融合在一起

 

这是denseNet的数学表达式，x为特征图，下边为层数，也就是每一层的输入是之前所有层的特征图进行concate

本文在此基础上进行多模态的改进，数学表示如下图

上标是模态的index，这个式子以两个模态为例，其实简单来说，就是每一层的输入是之前所有模态所有层的特征图进行concate

这张图可以直观的看出方法

 

本文使用的loss：

 

Dice similarity coefficient (DSC):

 

Modified Hausdorff distance (MHD):

 

 

Average surface distance (ASD):

 

Absolute Volume Differences: