CVPR 2017精彩論文解讀：綜合使用多形態(tài)核磁共振數(shù)據(jù)的3D生物醫(yī)學圖像分割方法

本文作者：楊曉凡

2017-08-02 18:13

專題：CVPR 2017

導語：CVPR 2017有那么多有價值的研究成果，我們也會邀請懂行的人繼續(xù)為大家進行解讀

雷鋒網(wǎng) AI 科技評論按：計算機視覺盛會 CVPR 2017已經(jīng)結束了，雷鋒網(wǎng) AI 科技評論帶來的多篇大會現(xiàn)場演講及收錄論文的報道相信也讓讀者們對今年的 CVPR 有了一些直觀的感受。

論文的故事還在繼續(xù)

相對于 CVPR 2017收錄的共783篇論文，即便雷鋒網(wǎng) AI 科技評論近期挑選報道的獲獎論文、業(yè)界大公司論文等等是具有一定特色和代表性的，也仍然只是滄海一粟，其余的收錄論文中仍有很大的價值等待我們去挖掘，生物醫(yī)學圖像、3D視覺、運動追蹤、場景理解、視頻分析等方面都有許多新穎的研究成果。

所以我們繼續(xù)邀請了宜遠智能的劉凱博士對生物醫(yī)學圖像方面的多篇論文進行解讀，延續(xù)之前最佳論文直播講解活動，從8月1日起陸續(xù)解讀4篇不同的論文。此次是4篇中的第2篇。

劉凱博士是宜遠智能的總裁兼聯(lián)合創(chuàng)始人，有著香港浸會大學的博士學位，曾任聯(lián)想（香港）主管研究員、騰訊高級工程師。半個月前宜遠智能的團隊剛剛在阿里舉辦的天池 AI 醫(yī)療大賽上從全球2887支參賽隊伍中脫穎而出取得了第二名的優(yōu)異成績。

最佳論文直播講解＃04

分享論文：「Joint Sequence Learning and Cross-Modality Convolution for 3D Biomedical Segmentation??」

時間：8 月 4 日（周五） 20：00

地點： AI 研習社微信群

論文簡介

劉凱博士要為我們解讀的生物醫(yī)學圖像論文中的第二篇是「Joint Sequence Learning and Cross-Modality Convolution for 3D Biomedical Segmentation」（用于三維生物醫(yī)學分割的合并序列學習和多形態(tài)卷積）。它主要解決了一個三維生物醫(yī)學圖像分割中重要問題：如何綜合使用多種形態(tài)的 MRI 數(shù)據(jù)進行區(qū)域分割。

論文簡介：深度卷積神經(jīng)網(wǎng)絡這樣的深度學習模型已經(jīng)在三維生物醫(yī)學分割任務中得到廣泛應用，并取得了頂尖的表現(xiàn)?，F(xiàn)在大多數(shù)的3D醫(yī)學圖像分割方法都只用了一個形態(tài)或把多個形態(tài)堆起來變成不同的通道。為了更好地平衡多形態(tài)的應用需求，論文中提出了一個包含交叉形態(tài)卷積層（cross-modality convolution layer）的深度編碼-解碼的網(wǎng)絡結構（deep encoder-decoder structure)來合并核磁共振的不同形態(tài)，還利用卷積LSTM來對2D切片序列建模，并且把多形態(tài)卷積和LSTM網(wǎng)絡結合在一起，做到端到端的學習。為了防止收斂到某一特定的類，論文中使用了權重策略和兩個階段的訓練來處理類不均勻的情況?；贐RATS-2015數(shù)據(jù)集的實驗結果顯示論文中所提的方法比目前頂尖的生物醫(yī)學分割方法表現(xiàn)更好。