基于3D FCN特征驱动回归森林的胰腺定位与分割
计算机视觉与模式识别
2018-06-11 v1
摘要
本文提出一种利用基于3D全卷积网络（FCN）特征的胰腺定位，从CT体数据中进行全自动化基于图谱的胰腺分割方法。胰腺分割困难在于其较其他器官具有更大的患者间空间差异。先前的胰腺分割方法未能应对此类差异。我们提出一种包含新颖定位与分割的全自动化胰腺分割方法。由于胰腺毗邻许多其他器官，其位置与大小与周围器官位置强相关。我们通过回归森林从全局特征估计胰腺的位置与大小（定位）。作为全局特征，我们使用强度差异与3D FCN深度学习特征，其包含自动提取的分割本质特征。我们从训练用于多器官分割的3D U-Net中选择3D FCN特征。全局特征同时包含胰腺与周围器官信息。定位后，执行患者特定的基于概率图谱的胰腺分割。在146个CT体数据的评估结果中，我们取得了60.6%的Jaccard指数与73.9%的Dice重叠率。
引用
@article{arxiv.1806.03019,
title = {3D FCN Feature Driven Regression Forest-Based Pancreas Localization and Segmentation},
author = {Masahiro Oda and Natsuki Shimizu and Holger R. Roth and Ken'ichi Karasawa and Takayuki Kitasaka and Kazunari Misawa and Michitaka Fujiwara and Daniel Rueckert and Kensaku Mori},
journal= {arXiv preprint arXiv:1806.03019},
year = {2018}
}
备注
Presented in MICCAI 2017 workshop, DLMIA 2017 (Deep Learning in Medical Image Analysis and Multimodal Learning for Clinical Decision Support)