基于单张二维投影与深度监督的对比增强 CT 图像三维动脉分割
计算机视觉与模式识别
2023-09-18 v1
摘要
在三维体数据中自动分割血管是许多血管疾病定量诊断与治疗的必要步骤。现有工作正积极研究三维血管分割，大多采用深度学习方法。然而，训练三维深度网络需要大量专家手动标注的三维标注，获取过程十分费力。对于三维血管分割而言尤为如此，因为血管稀疏却分布在许多切片上，且在二维切片中可视化时呈不连续状态。本文中，我们提出一种新方法，仅利用每张训练图像的一张带标注二维投影并结合深度监督来分割三维胰周动脉。我们在三维对比增强 CT 图像上的胰周动脉分割任务进行了大量实验，并展示了我们从二维投影中捕获丰富深度信息的良好效果。我们证明，通过为每训练样本标注一张随机选择的投影，可获得与标注多张二维投影相当的性能，从而减少了标注工作量。此外，利用深度信息将二维标签映射到三维空间并融入训练，我们几乎弥合了三维监督与二维监督之间的性能差距。我们的代码见：https://github.com/alinafdima/3Dseg-mip-depth。
引用
@article{arxiv.2309.08481,
title = {3D Arterial Segmentation via Single 2D Projections and Depth Supervision in Contrast-Enhanced CT Images},
author = {Alina F. Dima and Veronika A. Zimmer and Martin J. Menten and Hongwei Bran Li and Markus Graf and Tristan Lemke and Philipp Raffler and Robert Graf and Jan S. Kirschke and Rickmer Braren and Daniel Rueckert},
journal= {arXiv preprint arXiv:2309.08481},
year = {2023}
}