基于定位-分割方法的深度网络腰椎多标签标注
计算机视觉与模式识别
2017-03-14 v1
摘要
椎骨的多类别分割是一项非平凡任务，主要由于相邻椎骨在外观上具有高度相关性。因此，此类任务需要同时考虑全局和局部上下文。基于这一动机，我们提出了一种两阶段方法，给定脊柱的计算机断层扫描数据集，该方法可分割五个腰椎并同时对其进行标注。第一阶段采用多层感知机进行非线性回归，利用全局上下文定位腰椎区域。第二阶段由一个全卷积深度网络组成，利用已定位腰椎区域的局部上下文，一次性完成腰椎的分割与标注。借助训练中的实用数据增强，我们的方法具有高度泛化能力，能够成功分割健康和异常椎骨（骨折和脊柱侧弯的脊柱）。我们在 MICCAI 2016 的 xVertSeg 分割挑战赛的一个公开数据集上，持续取得了超过 90% 的平均 Dice 系数。这一点尤其值得注意，因为 xVertSeg 数据集存在椎骨骨折和脊柱侧弯形式的严重畸形。
引用
@article{arxiv.1703.04347,
title = {A Localisation-Segmentation Approach for Multi-label Annotation of Lumbar Vertebrae using Deep Nets},
author = {Anjany Sekuboyina and Alexander Valentinitsch and Jan S. Kirschke and Bjoern H. Menze},
journal= {arXiv preprint arXiv:1703.04347},
year = {2017}
}