论文:Grey Matter Segmentation in Spinal Cord MRIs via 3D Convolutional Encoder Networks with Shortcut Connections

论文:Grey Matter Segmentation in Spinal Cord MRIs via 3D Convolutional Encoder Networks with Shortcut Connections

200 次阅读

主题:医学脊髓分割 分割-3D UNet架构与shortcut Connections

主要贡献:

(1)优化UNet网络,使得网络架构更适合UNet分割,证明了shortcuts的贡献

(2)设计利用新的Loss function解决class 不平衡问题

(3)两阶段的分割步骤,先粗糙后精细

网络架构:UNet

UNet网络架构,这篇文章针对spinal cord的数据集进行了网络结果的调优,使用11-layers的网络架构,shortcuts以及9×9的卷积核

不同网络架构的结果:

Loss Function:

S为分割的二值化的ground truth,y为二值化的预测segmentation map,r=0.1

这里神奇地使用了二值化的预测分割结果,不知道如何进行反向传递梯度的

分割步骤:

(1)从数据集图片crop 256×256的图片,利用网络进行分割训练

(2)通过得到的分割模型,以及分割mask,crop出spinal cord在中心的center-version的图片,并裁剪出100×100的image patch

(3)利用100×100的image patch进行分割训练,得到分割结果

(4)利用得到的分割结果,转换到原图的位置,完成步骤

阈值threshold问题:

通过训练集多次试验,选择最优的阈值获取最终的分割结果,最终设置未给出。

结果:网页测试结果

总结:

这是一篇含金量不高的文章,主要特点在于两阶段分割,中心crop,以及阈值选择等,都不是什么特别有创新性的结果举报/反馈

Mulanshine