Breadcrumb Trails

大致框架：基本流程：预处理：通过N4ITK以及基于图像模式的方法实现图像强度归一化。利用全卷积神经网络（FCNNs）对图像以像素单位分配不同标签。利用条件随机场所构建的递归神经网络（CRF-RNN）对FCNNs输出结果进行优化。利用多数投票策略（Majority voting strategy）对不同标签标记结果进行分割，实现病变脑组织与正常脑组织的划分。后续处理：去噪、去除...

大致框架主要内容数据预处理与扩充网络基本架构1）基于卷积神经网络（CNN）的编码器 - 解码器架构包括较大的编码器与较小的解码器，其中编码器用于提取输入图像的深度特征，解码器用于重建密集的分割掩码。2）额外分支—— 变分自动编码器在编码器的结束节点使用，用于重建原始输入图像与特征聚类结果的优化，为编码器输出结果增加额外的导向与正规化。损失函数优化与规范化数据预处理与扩充...

该论文主要围绕如何在训练数据不平衡（健康组织较多，病变组织较少）情况下降低模型存在的偏差，减轻对健康组织的敏感度这一问题展开。