X-Net Brain Stroke Lesion Segmentation Based on DSC and Long-range Dependencies

基于深度可分卷积和长程依赖关系的脑卒中病灶分割

• 深度可分离网络DSC

  原文参考：https://zhuanlan.zhihu.com/p/92134485

  ​ 设输入为5×5×3，每个filter包括3×3的kernel

  • 逐通道卷积Depthwise Convolution

    一个卷积核负责一个通道，一个通道只被一个卷积核卷积。是二维操作。

    输入通道数，卷积核个数，feature maps数量相同

    参数个数为 N_depthwise=3 × 3 × 3 = 27

    没有有效的利用不同通道在相同空间位置上的feature信息，因此需要Pointwise Conv将这些feature map进行组合生成新的feature map

    

  • 逐点卷积Pointwise Convolution

    与常规卷积类似，卷积核尺寸为1 × 1 × M，M为上一层通道数，卷积运算将上一步的map在深度方向上进行加权组合，生成新的feature map。生成feature map个数与卷积核个数相同

    参数个数为 N_pointwise= 1 × 1 × 3 × 4 = 12

• 网络结构

  

• FSM结构

  

• X-block结构