Адаптивні активаційні функції глибинних нейронних мереж для сегментації тривимірних медичних зображень

Abstract

Мета роботи – програмна реалізація AdELU, AdPReLU та вбудова їх в U-Net з тривимірними згортковими шарами для вирішення завдання семантичної сегментації на тривимірних медичних даних. Порівняння ефективності застосування адаптивних активаційних функцій для медичних даних в порівнянні зі статичними активаційними функціями. Методи дослідження – аналіз активаційних функцій, що існують, вивчення предметної галузі, вирішення практичних завдань і проведення порівняльного аналізу. Програмно реалізовані U-Net, EdELU та AdPReLU. Проведено дослідний аналіз набору даних, який складається з мультиінституціональних передопераційних МРТ-сканів і фокусується на сегментації внутрішньо неоднорідних пухлин мозку – BraTS20. Навчені нейронні мережі та проведено порівняльний аналіз.