V-Net: Fully Convolutional Neural Networks for Volumetric Medical Image Segmentation-论文笔记

代码开源
代码开源

方法:
V-Net: Fully Convolutional Neural Networks for Volumetric Medical Image Segmentation-论文笔记_第1张图片
说说网络结构。卷积核大小5X5。每一层增加残差学习,论文说增加残差能够加速收敛。没有使用pooling,使用卷积来降采样(核大小2x2x2,步长2)。非线性函数使用PReLu。是右边使用反卷积。左右两边通过拼接而不是相加。
卷积和反卷积如下:
V-Net: Fully Convolutional Neural Networks for Volumetric Medical Image Segmentation-论文笔记_第2张图片
每层输出特征感受眼如下:
V-Net: Fully Convolutional Neural Networks for Volumetric Medical Image Segmentation-论文笔记_第3张图片
损失函数:
本文提出一个基于dice coefficient的损失函数。两个二进制的矩阵的dice相似系数为:
V-Net: Fully Convolutional Neural Networks for Volumetric Medical Image Segmentation-论文笔记_第4张图片
使用这个函数能避免类别不平衡。
数据增强:a dense deformation field obtained through a 2 × 2 × 2 grid of control-points,B-spline interpolation。
预处理:使用N4进行偏移场矫正【17】,然后差值为1 × 1 × 1.5 mm。直方图匹配(histogram matching)。被用来训练的volumes的直方图,被匹配到这个数据集中随机选取的scans。

你可能感兴趣的:(论文笔记)