本文介绍了一种创新的 MICCAI2021 方法，利用多任务学习框架融合语义分割、超分辨率技术和自监督指导，实现在低分辨率输入下进行高精度的三维医学图像分割，Task-Fusion模块揭示了分割与超分的内在联系，且测试阶段无需额外计算成本。
Patch-Free 3D Medical Image Segmentation Driven by Super-Resolution Technique and Self-Supervised Guidance
MICCAI 2021
原文链接
提出一种Patch Free三维医学图像分割方法，在低分辨率输入的情况下实现高分辨率分割。
1.多任务学习框架：语义分割＋超分辨率（从低分辨率输入中恢复高分辨率细节）＋自监督指导（使用原始高分辨image patch作为指导图像，保留高频信息）
2.引入Task-Fusion模块，发掘分割和超分辨率的内在联系。
（辅助任务）超分辨率和Task-Fusion模块只在训练阶段使用，在测试阶段，只使用Main Segmentation network，没有额外的计算开销。
网络结构
损失函数
扫一扫
2万+
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
