用于心脏容积序列语义分割的 4D CNN
图像与视频处理
2019-10-11 v2 计算机视觉与模式识别
摘要
我们提出一种 4D 卷积神经网络（CNN）用于回顾性 ECG 门控心脏 CT 的分割，该数据为随时间变化的一系列单通道容积数据。虽然时间序列中仅标注了少量容积，我们定义了基于可用标签的稀疏损失函数，使网络能在训练时利用未标注图像并生成完整分割的序列。我们研究了所提 4D 网络预测时间一致分割的准确性，并与传统 3D 分割方法比较。我们证明了 4D CNN 的可行性，并确立了其在心脏 4D CCTA 上的性能。
引用
@article{arxiv.1906.07295,
title = {4D CNN for semantic segmentation of cardiac volumetric sequences},
author = {Andriy Myronenko and Dong Yang and Varun Buch and Daguang Xu and Alvin Ihsani and Sean Doyle and Mark Michalski and Neil Tenenholtz and Holger Roth},
journal= {arXiv preprint arXiv:1906.07295},
year = {2019}
}
备注
MICCAI, STACOM, 2019