【FCN+RNN】Recurrent Neural Networks for Aortic Image Sequence Segmentation with Sparse Annotations
本文仅仅为个人快速阅读记录。
Bai W , Suzuki H , Qin C , et al. Recurrent neural networks for aortic image sequence segmentation with sparse annotations[J]. 2018.
😄 😆 😊 😃 😏 😍 😘 😚 😳 😌 😆 😁 😉 😜 😝 😀 😗 😙 😛 😴 😟 😦 😧 😮 😬 😕 😯 😑 😒 😅 😓 😥 😩 😔 😞 😖 😨 😰 😣 😢 😭 😂 😲 😱
关键词:FCNRNN
Abstract
主动脉医学序列图像分割。解决时间稀疏标注训练的问题。(To address the challenge of training the network with temporally sparse annotations)
2 Methods
作者使用FCN
中的UNet
结合RNN
中的C-LSTM
来训练以期学习到序列信息。且使用了双向LSTM包括一个前向流和后向流。将前后向的输出concatenate进行卷积。然后是一个softmax层。损失函数定为与标签间的cross-entropy。
一个问题是标记图像较少。(好像只有两幅?)分别为 end-diastole (ED) 和 end-systole (ES)。作者使用了non-rigid label propagation
来解决这个问题。
也就是上图(a),这两帧的图像注释向两边传播(事先作者把整个序列的图像连成一个环)。但在传播过程中误差会累积。于是作者使用了指数加权损失函数。效果如上图(b),传播的越远权值越小。
3 Experiments and Results
介绍了一些调参的数据和过程。略。。。
然后是与UNet
的PK。