文章地址:V-Net: Fully Convolutional Neural Networks for Volumetric Medical Image Segmentation
概述
- 我们引入了一种新的目标函数,我们在训练期间根据Dice系数进行优化。通过这种方式,我们可以处理前景体素和背景体素之间存在强烈不平衡的情况。
- 提出直接使用3D卷积而不是逐个切片的方式处理体积。
- 提出最大化一种新的目标函数,该目标函数专门用于医学图像分割,它基于Dice重叠系数。
- 通过制定每个卷积阶段以使其学习剩余函数,将最近的见解整合到文献中改进的训练收敛性中。
方法
V-Net的网络架构如下图所示:
- 下采样层将MaxPooling全部替换成了卷积核为222,stide为2的conv层
- 用卷积替换池化操作也会导致网络根据具体的实现,在训练期间可以占用更小的内存。这是因为将汇集层的输出映射回其输入的开关不需要存储用于反向传播。