Multi-Organ Segmentation Over Partially Labeled Datasets With Multi-Scale Feature Abstraction

计算机科学 棱锥(几何) 分割 人工智能 抽象 特征(语言学) 卷积神经网络 加权 可扩展性 杠杆(统计) 图像分割 模式识别(心理学) 保险丝(电气) 深度学习 特征提取 机器学习 数据库 医学 哲学 语言学 物理 电气工程 认识论 光学 放射科 工程类
作者
Xi Fang,Pingkun Yan
出处
期刊:IEEE Transactions on Medical Imaging [Institute of Electrical and Electronics Engineers]
卷期号:39 (11): 3619-3629 被引量:160
标识
DOI:10.1109/tmi.2020.3001036
摘要

Shortage of fully annotated datasets has been a limiting factor in developing deep learning based image segmentation algorithms and the problem becomes more pronounced in multi-organ segmentation. In this paper, we propose a unified training strategy that enables a novel multi-scale deep neural network to be trained on multiple partially labeled datasets for multi-organ segmentation. In addition, a new network architecture for multi-scale feature abstraction is proposed to integrate pyramid input and feature analysis into a U-shape pyramid structure. To bridge the semantic gap caused by directly merging features from different scales, an equal convolutional depth mechanism is introduced. Furthermore, we employ a deep supervision mechanism to refine the outputs in different scales. To fully leverage the segmentation features from all the scales, we design an adaptive weighting layer to fuse the outputs in an automatic fashion. All these mechanisms together are integrated into a Pyramid Input Pyramid Output Feature Abstraction Network (PIPO-FAN). Our proposed method was evaluated on four publicly available datasets, including BTCV, LiTS, KiTS and Spleen, where very promising performance has been achieved. The source code of this work is publicly shared at https://github.com/DIAL-RPI/PIPO-FAN to facilitate others to reproduce the work and build their own models using the introduced mechanisms.
最长约 10秒,即可获得该文献文件

科研通智能强力驱动
Strongly Powered by AbleSci AI
更新
大幅提高文件上传限制,最高150M (2024-4-1)

科研通是完全免费的文献互助平台,具备全网最快的应助速度,最高的求助完成率。 对每一个文献求助,科研通都将尽心尽力,给求助人一个满意的交代。
实时播报
6秒前
mike2012完成签到 ,获得积分10
9秒前
11秒前
开放道天发布了新的文献求助10
12秒前
赛赛完成签到 ,获得积分10
13秒前
foyefeng完成签到,获得积分10
18秒前
哈哈哈哈嘻嘻嘻完成签到 ,获得积分10
26秒前
木槿花难开完成签到,获得积分10
26秒前
雪山飞龙完成签到,获得积分10
27秒前
我是老大应助开放道天采纳,获得10
31秒前
Xzmmmm完成签到,获得积分10
34秒前
优秀的牛青完成签到 ,获得积分10
34秒前
XDM完成签到 ,获得积分10
35秒前
第3行星完成签到 ,获得积分10
40秒前
刻苦的新烟完成签到 ,获得积分10
41秒前
haochi完成签到,获得积分10
41秒前
胡萝卜佳完成签到 ,获得积分10
43秒前
啦啦啦完成签到,获得积分10
44秒前
CCsouljump完成签到 ,获得积分10
44秒前
daisy完成签到 ,获得积分10
45秒前
小静完成签到 ,获得积分10
46秒前
丰富梦容完成签到 ,获得积分20
46秒前
开放道天完成签到 ,获得积分10
47秒前
CipherSage应助科研通管家采纳,获得10
51秒前
微雨若,,完成签到 ,获得积分10
54秒前
纯真追命完成签到 ,获得积分10
58秒前
Dawn完成签到 ,获得积分10
1分钟前
杨永佳666完成签到 ,获得积分10
1分钟前
烟花应助小雷采纳,获得10
1分钟前
pphss发布了新的文献求助30
1分钟前
neilphilosci完成签到 ,获得积分10
1分钟前
2024kyt完成签到 ,获得积分10
1分钟前
胖胖橘完成签到 ,获得积分10
1分钟前
一缕轻曲挽南墙完成签到 ,获得积分10
1分钟前
汉堡包应助聪明安筠采纳,获得10
1分钟前
啦啦啦完成签到 ,获得积分10
1分钟前
潇湘完成签到 ,获得积分10
1分钟前
看见了紫荆花完成签到 ,获得积分10
1分钟前
临风浩歌完成签到 ,获得积分10
1分钟前
ghost完成签到 ,获得积分10
1分钟前
高分求助中
좌파는 어떻게 좌파가 됐나:한국 급진노동운동의 형성과 궤적 2500
Sustainability in Tides Chemistry 1500
TM 5-855-1(Fundamentals of protective design for conventional weapons) 1000
Cognitive linguistics critical concepts in linguistics 800
Threaded Harmony: A Sustainable Approach to Fashion 799
Livre et militantisme : La Cité éditeur 1958-1967 500
氟盐冷却高温堆非能动余热排出性能及安全分析研究 500
热门求助领域 (近24小时)
化学 医学 生物 材料科学 工程类 有机化学 生物化学 物理 内科学 纳米技术 计算机科学 化学工程 复合材料 基因 遗传学 催化作用 物理化学 免疫学 量子力学 细胞生物学
热门帖子
关注 科研通微信公众号,转发送积分 3052652
求助须知:如何正确求助?哪些是违规求助? 2709874
关于积分的说明 7418267
捐赠科研通 2354453
什么是DOI,文献DOI怎么找? 1246090
科研通“疑难数据库(出版商)”最低求助积分说明 605951
版权声明 595921