arXiv:2002.04207v1 [ed.IV] 2 月 11 日___XiaoMi-AI 助力科研平台

arXiv:2002.04207v1 [ed.IV] 2 月 11 日

可下载资源数量

已经购买

下载数量：1

单价	0 1.0
Coupon	100% 0%
Total	0 1.0

点击下载点击购买并下载

点击购买，资源将自动在新窗口打开.

机构名称：

arXiv:2002.04207v1 [ed.IV] 2 月 11 日

¥ 1.0

热度

纹理和边缘为图像识别提供不同的信息。边缘和边界编码形状信息，而纹理则体现区域的外观。尽管卷积神经网络 (CNN) 在计算机视觉和医学图像分析应用中取得了成功，但主要只学习纹理抽象，这通常会导致边界描绘不精确。在医学成像中，专家手动分割通常依赖于器官边界；例如，为了手动分割肝脏，医生通常首先识别边缘，然后填充分割蒙版。受这些观察的启发，我们提出了一个即插即用模块，称为边缘门控 CNN (EG-CNN)，可与现有的编码器-解码器架构一起使用来处理边缘和纹理信息。EG-CNN 学习在编码器中强调边缘，通过辅助边缘监督预测清晰的边界，并将其输出与原始 CNN 输出融合。我们在两个公开可用的数据集 BraTS 19 和 KiTS 19 上评估了 EG-CNN 与各种主流 CNN 在脑肿瘤和肾脏语义分割方面的有效性。我们展示了添加 EG-CNN 如何持续提高分割准确性和泛化性能。

添加pdf代下载 VIP点击下载文件