Image processing 三维分割的深度学习

我在同一地点拍摄了20张心脏图像，其中有50张。 所以，20个图像是一个输入，我有50个输入。 因为心在动，所以所有的图像都是不同的。 我想将这些图像作为输入，然后使用深度学习将分割的二值掩模图像作为输出

我把我的输入当作3D，在网上发现了很多3D CNN或FCN。但这就是x，y，z3d的情况。 我的案子是x，y，t

---

有什么建议吗

这个问题类似于视频对象分割，其中需要通过跨帧利用时间信息在视频中跨多个帧对对象进行语义分割。在您的情况下，每组输入图像可以被视为一个包含20帧的视频，数据集包含50个视频，您可以使用有监督、半监督或无监督的视频对象分割模型（取决于获取地面真实感蒙版的可用性/成本）。该公式解决了使用FCN按

（x，y，t）

顺序分割输入图像堆栈的任务

以下是我在与视频对象分割相关的研究工作中找到的参考资料：

---

该问题类似于视频对象分割，其中需要通过跨帧利用时间信息在视频中跨多个帧对对象进行语义分割。在您的情况下，每组输入图像可以被视为一个包含20帧的视频，数据集包含50个视频，您可以使用有监督、半监督或无监督的视频对象分割模型（取决于获取地面真实感蒙版的可用性/成本）。该公式解决了使用FCN按

（x，y，t）

顺序分割输入图像堆栈的任务

以下是我在与视频对象分割相关的研究工作中找到的参考资料：

---

你为什么不把这个问题看成是一个2D问题？你可以使用这些序列来去除图像中不移动的不需要的部分，然后在每个图像中分别用2D模型进行分割。为什么不把这个问题看成是二维问题？您可以使用序列删除图像中不移动的不需要的部分，然后在每个图像中分别使用二维模型进行分割。