基于 U$^2$-net 并以 Dice 损失函数训练的 CT 气道分割
图像与视频处理
2022-09-23 v1 计算机视觉与模式识别
摘要
从胸部计算机断层扫描中分割气道在肺部疾病诊断中起着重要作用。基于 U-net 架构的计算机辅助气道分割相比手动分割更高效、更准确。本文中，我们采用由 Dice 损失函数训练的 U-net，基于 ATM'22 提供的 299 个训练 CT 扫描从多站点 CT 扫描建模气道树。训练得到的显著概率图被应用于验证数据以提取相应的气道树。观察表明，从准确性和连通性角度看，大多数分割出的气道树表现良好。对部分所得气道树模型进行了非气道区域标记与去除等细化处理，以显示二值结果的最大连通分量。
引用
@article{arxiv.2209.10796,
title = {A CT-Based Airway Segmentation Using U$^2$-net Trained by the Dice Loss Function},
author = {Kunpeng Wang and Yuexi Dong and Yunpu Zeng and Zhichun Ye and Yangzhe Wang},
journal= {arXiv preprint arXiv:2209.10796},
year = {2022}
}
备注
8 pages, 5 figures