论文部分内容阅读
肝脏肿瘤是世界上主要癌症致死类型之一,为了帮助医生辅助诊断治疗,临床上亟需全自动的精准的肝脏分割方法[1]。卷积神经网络在医学图像分割任务中拥有各类比赛的SOTA效果,本文中采用此类模型结构作为验证我们提出的自监督方法有效性的Backbone。分割模型的下采样阶段作为自监督任务的分类器,将打乱顺序的相邻CT切片输入分类器,分类器通过预测出它们的顺序信息作为自监督任务,训练完分类模型后将该模型的参数迁移到分割网络作为权重初始化。在2017 LiTS数据集上验证该方法的有效性,实验表明,该自监督方法对模