AIRWAYNET-SE: Context Scale Fusion for Airway Segmentation

文章阅读
作者: MingXiao

ISBI，978-1-5386-9330-8/20

和AirwayNet是一个系列的，考虑了上下文，上下文指的是气管周围的组织特征

1 Introduction

存在的问题

  • 气管各个部分的灰度值不同，气管壁和气道的对比度会变化
  • 气管各个部分的上下文规模也不同
  • 在分割大气道时，需要更大的上下文；而分割末梢时，需要更加高频的信息
  • 气管末梢的体素在经过池化时可能会被去除，因为它们太小了；大的又没这个问题；所以大气管和小气管的池化层数目也可能不同

大致流程如下

  1. 经过上文的连接性分析转化问题

  2. 准备了两个网络，一个是deep-yet-narrow，另一个shallow-yet-wide，分别给大气管和末梢用

    DNN有很多层，每层的神经元少，但是池化四次

    SWN很浅，但是每层有很多神经元，仅池化两次

  3. 分别给DNN和SWN训练大气管、末梢的数据

  4. 练完之后喂数据，连接串联二者的结果

这样的操作和U-net中的short-cut类似，但是参数更多且不会相互影响会更准确

2 Method

与上一篇非常类似，唯一的区别是

其中两个input都是32通道的



Comments