一种用于右心室分割的生成对抗模型

Nicoló Savioli; Miguel Silva Vieira; Pablo Lamata; Giovanni Montana

一种用于右心室分割的生成对抗模型

计算机视觉与模式识别 2018-10-10 v1 机器学习机器学习

作者: Nicoló Savioli , Miguel Silva Vieira , Pablo Lamata , Giovanni Montana

摘要

若干心血管疾病(如肺动脉高压)的临床管理需要对右心室(RV)功能进行评估。本工作致力于从金标准成像模态MRI中全自动且鲁棒地获取关键RV生物标志物之一——其射血分数。问题转化为从电影MRI序列中准确分割RV血池。本工作提出一种基于全卷积神经网络(FCNN)的解决方案,我们的第一个贡献是卷积门控循环单元(GRU)、生成对抗网络(GAN)和L1损失函数这三个概念的最优组合,相较于基线FCNN,在Dice指数和Hausdorff距离上分别实现了0.05和3.49 mm的改进。我们的第二个贡献ROI-GAN使该改进翻倍,其设置两个GAN在图像的两个视场(全分辨率和感兴趣区域(ROI))上协同工作。我们的原理是通过结合全局(全分辨率)和局部感兴趣区域(ROI)特征来更好地引导FCNN学习。该研究在约23,000张分割MRI切片的大型内部数据集上进行,并在公开可用数据集中验证了其泛化性。

关键词

右心室分割电影MRI 全卷积神经网络生成对抗网络 ROI-GAN 射血分数心脏MRI

引用

@article{arxiv.1810.03969,
  title  = {A Generative Adversarial Model for Right Ventricle Segmentation},
  author = {Nicoló Savioli and Miguel Silva Vieira and Pablo Lamata and Giovanni Montana},
  journal= {arXiv preprint arXiv:1810.03969},
  year   = {2018}
}

备注

9 pages, 8 figures

一种用于右心室分割的生成对抗模型

摘要

关键词

引用

备注

相关论文