基于深度学习与空间传播实现心脏图像的三维一致且鲁棒分割
计算机视觉与模式识别
2018-04-26 v1 人工智能
机器学习
机器学习
摘要
我们提出一种基于深度学习的方法，在短轴MRI图像栈上从顶部切片（基底附近）到底部切片（心尖附近）迭代地进行心脏分割。在每次迭代中，应用一种U-net的新变体将一切片的分割传播至其下方相邻切片。换言之，对某一切片分割的预测依赖于已存在的相邻切片分割。因此，三维一致性被显式地强制实现。该方法在来自UK Biobank的3078例大型数据库上训练，随后在来自UK Biobank的756例不同病例以及三个其他最先进队列（ACDC 100例、Sunnybrook 30例、RVSC 16例）上进行测试。在距离度量方面取得了与最先进水平相当甚至更优的结果。它们也凸显了我们方法的优势，即增强的空间一致性（当前最先进水平既未考虑也未实现）以及对来自其他数据库的未见病例的泛化能力。
引用
@article{arxiv.1804.09400,
title = {3D Consistent & Robust Segmentation of Cardiac Images by Deep Learning with Spatial Propagation},
author = {Qiao Zheng and Hervé Delingette and Nicolas Duchateau and Nicholas Ayache},
journal= {arXiv preprint arXiv:1804.09400},
year = {2018}
}
备注
Accepted for publication in IEEE Transactions on Medical Imaging