【论文阅读笔记】Automatic Liver and Lesion Segmentation in CT Using Cascaded Fully Convolutional Neural Net

       本文提出一种从腹部CT片中自动分割肝脏和肝脏病变的方法。

       使用的数据集为3DIRCADb dataSets:http://ircad.fr/research/3d-ircadb-01

       使用的神经网络库为Keras

       训练的模型在github: https://github.com/IBBM/Cascaded-FCN

       流程如图:

【论文阅读笔记】Automatic Liver and Lesion Segmentation in CT Using Cascaded Fully Convolutional Neural Net_第1张图片

      step1:对原始CT片进行数据增强,

      step2:使用级联神经网络的方法对数据进行处理,级联的两个神经网络均为U-Net(U-net: Convolutional networks for biomedical image segmentation),分别实现Coase to fine的数据提取,即第一个网络从腹部CT片中提取出肝脏区域(ROI),第二个网络从ROI中提取出肝脏病变部位。

      step3:鉴于CT片具有的三维像素和分辨率各向异性,使用了3D条件随机场(3D CRF:Ecient inference in fully connected crfs with gaussian edge potentials)进行处理,实现了state-of-the-art。

      方法实际效果如图:

     【论文阅读笔记】Automatic Liver and Lesion Segmentation in CT Using Cascaded Fully Convolutional Neural Net_第2张图片

     

你可能感兴趣的:(机器学习)