基于Ghost Module的轻量级脑肿瘤3D MRI分割研究

针对当下三维CNN对脑肿瘤MRI分割时训练参数量过大、网络收敛性差、训练时间过长的问题,提出S-GG Net。先通过对轻量级结构Ghost Module进行改进形成Shuffle-Ghost Module;并以此为基础单元形成两种残差结构,网络仿造U-Net结构分别对网络的压缩路径、扩展路径进行重新构建。在公开的脑肿瘤数据集BraTs进行实验得知,文中方法在大幅缩减参数量的情况下,仍然能够保证训练效果。