Automatic Brain Tumor Detection and Segmentation Using U-Net Based Fully Convolutional Networks
作者:Hao Dong 等 MIUA2017
数据集:
BraTS 2015
每种类型数据均进行减均值除标准差处理
做了数据增强:
任务:
a. The complete tumor region (labels 1, 2, 3, and 4).
b. The core tumor region (excluded “edema” regions, labels 1, 3,and 4).
c. The enhancing tumor region (only label 4).
方法:
2D切片处理3D图像
基于U-Net(解决了原网络尺寸缩小的问题)
使用‘Soft’ Dice based loss function (更好应对分割目标占比过小的问题)
FLAIR: 任务a(1234)和任务b(134)
T1c:任务c(4)
以往的网络都是以这些数据分别作为某一通道。
为了使输出和输入具有相同的尺寸,作者采用了padding
Input240*240,最小到达15*15,output240*240
损失函数:Soft Dice metric
(来自V-Net:https://arxiv.org/pdf/1606.04797.pdf)
参数:Adam, 学习率 = 0.0001,epochs = 100,权重(0均值0.01标准差正态分布初始化,偏置初始化为0)
结果:
评估标准:
作者采用五折交叉验证与其他人结果进行比较。