Deep learning (DL) based semantic segmentation methods have been providing state-of-the-art performance in the last few years. More specifically, these techniques have been successfully applied to medical image classification, segmentation, and detection tasks. One deep learning technique, U-Net, has become one of the most popular for these applications. In this paper, we propose a Recurrent Convolutional Neural Network (RCNN) based on U-Net as well as a Recurrent Residual Convolutional Neural Network (RRCNN) based on U-Net models, which are named RU-Net and R2U-Net respectively. The proposed models utilize the power of U-Net, Residual Network, as well as RCNN. There are several advantages of these proposed architectures for segmentation tasks. First, a residual unit helps when training deep architecture. Second, feature accumulation with recurrent residual convolutional layers ensures better feature representation for segmentation tasks. Third, it allows us to design better U-Net architecture with same number of network parameters with better performance for medical image segmentation. The proposed models are tested on three benchmark datasets such as blood vessel segmentation in retina images, skin cancer segmentation, and lung lesion segmentation. The experimental results show superior performance on segmentation tasks compared to equivalent models including U-Net and residual U-Net (ResU-Net).


翻译:在过去几年里,基于深层学习(DL)的语义分解方法一直在提供最新的艺术性能。更具体地说,这些技术已经成功地应用于医学图像分类、分解和检测任务。一个深层学习技术,U-Net,已经成为这些应用中最受欢迎的技术之一。在本文中,我们提议基于U-Net以及经常性残留神经网络(RRCNN)的经常性革命神经网络(RRCNN),基于U-Net模型,分别称为RU-Net和R2U-Net。这些拟议模型利用了U-Net、残余网络以及RCNNN的功率。这些拟议的结构对于分解任务有若干优点。首先,一个残余单元在培训深层结构时有所帮助。第二,与经常性残余革命层的特征积累确保了分解任务的更好的特征代表。第三,它使我们能够设计出更好的U-网络结构,其网络参数数目与医疗图像分解功能相同。拟议模型在三个基准数据集上进行了测试,例如:血液网络、残余网络以及RCN-网络的等同性工作,包括用于实验室分解的磁的磁模型。

7
下载
关闭预览

相关内容

一文带你读懂 SegNet(语义分割)
AI研习社
19+阅读 · 2019年3月9日
《pyramid Attention Network for Semantic Segmentation》
统计学习与视觉计算组
44+阅读 · 2018年8月30日
ResNet, AlexNet, VGG, Inception:各种卷积网络架构的理解
全球人工智能
19+阅读 · 2017年12月17日
【推荐】ResNet, AlexNet, VGG, Inception:各种卷积网络架构的理解
机器学习研究会
20+阅读 · 2017年12月17日
【推荐】全卷积语义分割综述
机器学习研究会
19+阅读 · 2017年8月31日
Arxiv
7+阅读 · 2020年3月1日
W-net: Bridged U-net for 2D Medical Image Segmentation
Arxiv
19+阅读 · 2018年7月12日
VIP会员
相关VIP内容
Top
微信扫码咨询专知VIP会员