概述
论文地址:3D U-JAPA-Net: Mixture of Convolutional Networks for Abdominal Multi-organ CT Segmentation
这是今年发在MICCAI2018上的一篇腹部多器官分割的论文,使用的是3D u-net的改进版,加入了PA(probabilistic atlas)
网络结构和3D U-Net的结构完全相同,但是训练分为了几个步骤
1、使用所有器官数据进行这个3D U-Net网络的训练,这个时候这个网络有9个输出(8个器官和一个back ground)
2、使用这篇论文Abdominal multi-organ segmentation from CT images using conditional shape–location and unsupervised intensity priors的方法准备各器官数据
3、当第一个网络收敛后,把这个网络transfer到8个expert 3D U-net网络上,也就是每个器官一个网络,然后各个网络都改为只有两个输出单个器官的分割和back ground,然后把之前那个网络的参数除了最后一层,其他层的参数都transfer到各个专业网络上
4、对于这8个专业网络,都只放入该网络对应的器官图进行训练(应该是之前用PA分割出来的器官再放到专业网络里边)
最后
以上就是单身保温杯为你收集整理的[深度学习从入门到女装]3D U-JAPA-Net的全部内容,希望文章能够帮你解决[深度学习从入门到女装]3D U-JAPA-Net所遇到的程序开发问题。
如果觉得靠谱客网站的内容还不错,欢迎将靠谱客网站推荐给程序员好友。
本图文内容来源于网友提供,作为学习参考使用,或来自网络收集整理,版权属于原作者所有。
发表评论 取消回复