（脑肿瘤分割笔记：六十九）：一编码器三解码器的UNet网络

摘要

本文提出的E1D3网络是一种编码器，三解码器的全卷积神经网络。其中每个解码器分割感兴趣的分层区域之一即整个肿瘤，肿瘤核心和增强肿瘤。

目前对于脑肿瘤分割这一问题存在的难点在于：1）高质量成像数据的稀缺2）伪影的存在3）高级别的不平衡 4）由于数据的体积性质及其在通过神经网络时的处理要求，大量的计算和内存需求。

本文提出的网络结构由一个编码器和三个独立的解码器构成，并通过标准的图像处理技术将二值分割融合，生成一个多类分割映射。

方法

3.1 E1D3 UNet：一个编码器3个解码器

在本文的网络结构中，我们使用基于卷积的上采样和下采样来取代了最大池化和三线性上采样层。编码器通过不同层次的连续卷积进行特征提取，解码器将编码后的特征与每一层次的语义信息相结合生成输出分割图。本文提出的网络结构如下图：

 

在原始的UNet网络中添加了两个额外的解码器。网络结构中的每个解码器独立的从编码器接受特征映射，在输出处生成分割，将这个过程写为：

式子中E（）和D（）分别表示编码器和解码器。z是从每一层编码器获得的特征图。

总结：在本文中，作者将一个编码器和三个独立的解码器耦合在一起，其中每个解码器直接从通用编码器接受特征映射，并分割三个分级肿瘤子区域中的一个：整个肿瘤，肿瘤核心，和增强肿瘤