Evaluation of Extra Pixel Interpolation with Mask Processing for Medical Image Segmentation with Deep Learning

要約

現在のマスク処理操作は、バイキュービック (BIC) または双線形 (BIL) 補間などの余分なピクセルを生成するアルゴリズムではなく、最近傍 (NN) 補間などの余分なピクセルを生成しない補間アルゴリズムに依存しています。
以前の研究で、著者は NN ベースのマスク処理の代替アプローチを提案し、深層学習のトレーニング結果に対するその効果を評価しました。
この研究では、著者は、BIC ベースの画像およびマスク処理と、BIC および NN ベースの画像およびマスク処理の両方の効果と、NN ベースの画像およびマスク処理の効果を評価しました。
評価の結果、BIC-BIC モデル/ネットワークは、NN-BIC ネットワークと比較して、NN-NN ネットワークの 8.9578 % (画像サイズ 256 x 256) および 1.0496 % (画像サイズ 384 x 384) 増加していることが明らかになりました。
NN-NN ネットワークでは 8.3127 % (画像サイズ 256 x 256 の場合) および 0.2887 % (画像サイズ 384 x 384 の場合) 増加しました。

要約(オリジナル)

Current mask processing operations rely on interpolation algorithms that do not produce extra pixels, such as nearest neighbor (NN) interpolation, as opposed to algorithms that do produce extra pixels, like bicubic (BIC) or bilinear (BIL) interpolation. In our previous study, the author proposed an alternative approach to NN-based mask processing and evaluated its effects on deep learning training outcomes. In this study, the author evaluated the effects of both BIC-based image and mask processing and BIC-and-NN-based image and mask processing versus NN-based image and mask processing. The evaluation revealed that the BIC-BIC model/network was an 8.9578 % (with image size 256 x 256) and a 1.0496 % (with image size 384 x 384) increase of the NN-NN network compared to the NN-BIC network which was an 8.3127 % (with image size 256 x 256) and a 0.2887 % (with image size 384 x 384) increase of the NN-NN network.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google