医学分割论文:Recurrent Residual Convolutional Neural Network based on U-Net for Medical Image Segmentation
发布时间
阅读量：
阅读量
医学分割论文:Recurrent Residual Convolutional Neural Network based on U-Net (R2U-Net) for Medical Image Segmentation
Auther: Md Alom. Institution:University of Dayton. Publish year: 2019
论文地址：https://arxiv.org/abs/1802.06955
在本篇论文中，作者提出了U-Net的改进模型：循环卷积网络模型（Recurrent Convolutional Nerural Network, RCNN）和循环残差卷积网络模型(Recurrent Residual Convolutional Nerural Network, RRCNN)用于医学分割领域。主要优势有：
- Recurrent Unit有助于训练更深的网络结构
- 特征累积和RRCNN层为分割任务提供了更好的特征表示
- 对于具有相同网络参数的U-Net，我们的方法可以提供更好的性能
Key note:
- 提出了RU-Net和R2U-Net两种医学分割模型
- 在三种尺度（模式）下的医学分割任务中评价模型性能：视网膜血管分割，皮肤癌分割和肺分割
- 与其他分割方法相比，参数相同情况下，性能更好
网络结构
作者对CNN，RCNN，R2CNN等网络结构进行对比
Fig1 a. CNN b. Recurrent CNN c. Residual CNN d. RRCNN
Fig2 RU-Net/R2U-Net
- 以上结构的优势在于可以在不增加参数的情况下，提升分割性能，具有很高的普适性，可以用于其他U-Net分割模型，例如SegNet，3D-UNet，V-Net
评价指标
- Dice 系数: DC = 2|A∩B|/(|A|+|B|)
- Jaccard系数： JS = |A∩B|/|A∪B|
全部评论 (0)
还没有任何评论哟~