【论文阅读】EFFICIENT SYMMETRY-DRIVEN FULLY CONVOLUTIONAL NETWORK FOR MULTIMODAL BRAIN TUMOR SEGMENTATION...

写在前面：之前看过该作者的两篇文章都引用了他自己的这一篇，终于能检索到了。虽然不再做脑瘤分割，但还是想将当初不清楚的细节重新拿出来审视一番。。

此文章发于ICIP2017.

 

题目：EFFICIENT SYMMETRY-DRIVEN FULLY CONVOLUTIONAL NETWORK FOR MULTIMODAL BRAIN TUMOR SEGMENTATION

作者：Haocheng Shen⋆ Jianguo Zhang⋆ Weishi Zheng

数据集：BraTS 2013

网络结构：

网络结构中下采样部分类似于VGG 。

网络输入是 3D MRI 的 2D 切片。

之前一直不懂：除了数据集中的四种模态的切片，另外那四张哪里来的呢？

作者利用 Gareth Loy and Jan-Olof Eklundh, “Detecting symme- try and symmetric constellations of features,” in ECCV, 2006, pp. 508–521. 中的方法找到脑部切片的中轴线（红色虚线）。为了避免噪声的影响，作者首先采用了5*5的高斯核滤波。以中轴线为中心寻找对称点，并用sigmoid函数将对称点的灰度值归一化到[0,1].

图中第一行为过程，第二行为四个模态处理后的结果。

在线测评结果：

效果：

 

总结：

亲测没有另外四个通道作为输入，效果很不好，还不如U-net，但当时测试的时候并不知道另外四个通道怎么获得的所以没有测试。可能预处理就是这般重要吧。

 

转载于:https://www.cnblogs.com/xiangfeidemengzhu/p/9559864.html