Convolutional neural networks for medical image segmentation

要約

この記事では、医療画像のセグメンテーションに焦点を当てて、畳み込みニューラル ネットワーク (CNN) のいくつかの重要な側面を調べます。
まず、CNN アーキテクチャについて説明し、データの空間的起源、ボクセル単位の分類、および受容野を強調します。
次に、入出力ペアのサンプリングについて説明し、それによってボクセルごとの分類、パッチ サイズ、および受容野の間の相互作用を強調します。
最後に、分類とセグメンテーションに関する CNN アーキテクチャの重要な変更の歴史的概要を示し、FCN、U-Net、DeepMedic の 3 つの重要な CNN アーキテクチャ間の関係について洞察を提供します。

要約(オリジナル)

In this article, we look into some essential aspects of convolutional neural networks (CNNs) with the focus on medical image segmentation. First, we discuss the CNN architecture, thereby highlighting the spatial origin of the data, voxel-wise classification and the receptive field. Second, we discuss the sampling of input-output pairs, thereby highlighting the interaction between voxel-wise classification, patch size and the receptive field. Finally, we give a historical overview of crucial changes to CNN architectures for classification and segmentation, giving insights in the relation between three pivotal CNN architectures: FCN, U-Net and DeepMedic.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google