（脑肿瘤分割笔记-PartTwo）一种高效的脑肿瘤三维分割嵌入网络

目录

Title:Efficient embedding network for 3D brain tumor Segmentation

摘要

方法

编码器分支

解码器分支

损失函数

总结

---

 

Title:Efficient embedding network for 3D brain tumor Segmentation

摘要

脑胶质瘤的特点是浸润性，边界模糊，在本文中，作者研究了一种转移二维分类网络性能的方法，以实现对脑肿瘤的三维语义分割。作者提出了一个不对称的UNet网络，将EfficientNet模型作为编码分支的一部分。由于输入数据是三维的，编码器的第一证致力于缩小第三维，以适应Efficient的输入。

总之本文提出了一种有效的方法，在不丢失三维一致性的前提下，将任何二维分类的体系结构转换为三维分割目的。本文提出的思想是可推广的，以便将任何低维分类体系结构集成到另一个高维体系结构，并且不丢失空间一致性。

方法

本文提出的方法遵循卷积编码器和解码器的结构，它是由一个非对称的大编码器提取图像特征和一个较小的解码器重建分割掩码，作者在编码器分支中嵌入了提出的称为EfficientNet的网络。

编码器分支

编码过程有两个步骤，首先作者将三维数据编码为二维数据，同时保持高度和宽度的原始大小，仅仅将深度压缩为三个通道。其次数据准备好开始第二步编码，第二步编码是没有全连接层的EfficientNet网络。提出的网络框架的架构图如下所示：