Hybrid Convolutional and Graph-Convolutional Framework for Segmentation Refinement

Soberanis Mukul, Roger David

User: Guest

Roger David Soberanis Mukul

If you experience problems opening the document, please try this link.

Original title:: Hybrid Convolutional and Graph-Convolutional Framework for Segmentation Refinement
Translated title:: Hybrides Convolutional- und Graph-Convolutional-Framework zur Segmentierungsverfeinerung
Author:: Soberanis Mukul, Roger David
Year:: 2022
Document type:: Dissertation
Faculty/School:: Fakultät für Informatik
Advisor:: Navab, Nassir (Prof., Ph.D.)
Referee:: Navab, Nassir (Prof., Ph.D.); Menze, Björn (Prof. Dr.)
Language:: en
Subject group:: DAT Datenverarbeitung, Informatik
TUM classification:: MED 230; DAT 760
Abstract:: We present a graph convolutional network (GCN)-based framework for segmentation refinement. Considering the uncertainty analysis of a fully convolutional network, we use the high confidence points to define the refinement process as a semi-supervised node classification task and solve it with a GCN. We show an improved performance over the traditional conditional random field refinement on pancreas and spleen segmentation.
Translated abstract:: Wir präsentieren eine Graph Convolutional Network (GCN)-basierte Framework zur Segmentierungsverfeinerung. Unter Berücksichtigung der Unsicherheitsanalyse eines Fully Convolutional Network verwenden wir die hohen Konfidenzpunkte, um den Verfeinerungsprozess als semi-überwachte Knotenklassifizierungsaufgabe zu definieren und mit einem GCN zu lösen. Wir zeigen eine verbesserte Leistung gegenüber der traditionellen zufällig bedingten Feldverfeinerung bei der Pankreas- und Milzsegmentierung.
WWW:: https://mediatum.ub.tum.de/?id=1624425
Date of submission:: 27.09.2021
Oral examination:: 28.02.2022
File size:: 11854751 bytes
Pages:: 125
Urn (citeable URL):: https://nbn-resolving.de/urn/resolver.pl?urn:nbn:de:bvb:91-diss-20220228-1624425-1-2
Last change:: 22.04.2022
BibTeX