好记性不如烂笔头 边学习边记录1
主题：脑肿瘤分割 使用基于Unet的端到端的网络结构，在扩张和紧缩路径中加入了Inception模块和空洞卷积。
数据集：Tumor Segmentation (BraTS) 2018 dataset
结论：该方法对神经胶质瘤三个子区中的两个(肿瘤中心和整个肿瘤的分割)的分割效果有所提升。
处理方法：
预处理：（MRI数据预处理）
（1）计算每张图中脑的bbox，提取图中选择的区域，从而剔除多余的背景
（2）将裁剪的图像resize到128*128的尺寸
（3）在ground truth分割中丢弃不含有肿瘤的区域
（4）对每个图像应用强度窗函数，使最低的1%和最高的99%像素值分别映射为0和255
（5）对每个图像应用z-score归一化，即减去数据集的均值并除以数据集的标准差
网络模型：
图中下面的数字代表使用的滤波器数量，输入特征图的宽高深，乘以3是因为inception中三路的叠加。
实验：
消融实验为没有使用空洞卷积的Inception Unet网络，十折交叉验证。