User: Guest  Login
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