U-Net: شبكات التجميع للتقسيم الطبي الحيوي للصور

هناك توافق كبير على أن تدريب الشبكات العميقة بنجاح يتطلب آلاف النماذج التدريبية المصححة. في هذا البحث، نقدم شبكة واستراتيجية تدريب تعتمدان بشكل كبير على زيادة البيانات لاستخدام العينات المصححة المتاحة بكفاءة أكبر. تتكون الهندسة من مسار مُقلص لالتقاط السياق ومسار مُتوسع متماثل يمكّن من تحديد الموقع بدقة. نوضح أن مثل هذه الشبكة يمكن تدريبها من البداية إلى النهاية باستخدام صور قليلة جداً وتتفوق على أفضل الطُرق السابقة (شبكة تلافيفية ذات نافذة زلق) في تحدي ISBI لتقسيم الهياكل العصبية في مكدسات المجهر الإلكتروني. باستخدام نفس الشبكة التي تم تدريبها على صور المجهر الضوئي المنقولة (الcontrast phase والDIC)، فزنا بتحدي تتبع الخلايا في ISBI 2015 في هذه الفئات بفارق كبير. علاوة على ذلك، فإن الشبكة سريعة. يستغرق تقسيم صورة بحجم 512x512 أقل من ثانية على بطاقة رسوميات حديثة. الرمز الكامل (المبني على Caffe) والشبكات المدربة متاحة على الرابط التالي: http://lmb.informatik.uni-freiburg.de/people/ronneber/u-net .