论文标题：Hybrid graph convolutional neural networks for landmark-based anatomical segmentation

论文链接：https://arxiv.org/abs/2106.09832

作者单位：法国滨海大学

本文提出了 HybridGNet，这是一种编码器-解码器架构，它将标准卷积与 GCNN 相结合，直接从图像中提取图形表示，表现SOTA！而且对图像遮挡更加鲁棒，代码刚刚开源！

在这项工作中，我们解决了基于关键点的解剖结构分割问题。我们提出了 HybridGNet，这是一种编码器-解码器神经架构，它结合了用于图像特征编码的标准卷积和图卷积神经网络来解码解剖结构的合理表示。 我们考虑了其他标准关键点和基于像素的模型对胸部 X 射线图像中的解剖分割模型进行了基准测试，发现 HybridGNet 对图像遮挡更加鲁棒。 我们还表明它可用于从像素级注释构建基于关键点的分割。 我们的实验结果表明，HybridGNet 通过谱卷积在解码过程中自然地结合形状约束，产生准确且解剖学上合理的基于关键点的分割。

内容中包含的图片若涉及版权问题，请及时与我们联系删除