基于深度残差 U-Net 架构的输尿管镜图像管腔分割方法
图像与视频处理
2021-01-14 v1 计算机视觉与模式识别
摘要
输尿管镜正成为大多数泌尿系疾病首选的手术治疗方式。该手术使用内窥镜进行，为医生提供在泌尿系统内导航所需的视觉信息。考虑到开发可增强医生表现的外科辅助系统，管腔分割任务是一项基础工作，因为它是标记内窥镜应沿路径前进的视觉参考。此前尚未在输尿管镜数据上分析过该任务。然而，鉴于图像质量与输尿管镜手术本身的条件，该任务存在若干挑战。本文中，我们研究一种深度神经网络的实现，该网络在基于 U-Net 的架构中利用残差单元的优势。为训练这些网络，我们分析了两种不同颜色空间的使用：灰度与 RGB 数据图像。我们发现灰度图像训练效果最佳，Dice 系数、精确率与召回率的均值分别为 0.73、0.58 与 0.92。所得结果表明，残差 U-Net 可作为进一步开发泌尿系统导航与引导计算机辅助系统的合适模型。
引用
@article{arxiv.2101.05021,
title = {A Lumen Segmentation Method in Ureteroscopy Images based on a Deep Residual U-Net architecture},
author = {Jorge F. Lazo and Aldo Marzullo and Sara Moccia and Michele Catellani and Benoit Rosa and Michel de Mathelin and Elena De Momi},
journal= {arXiv preprint arXiv:2101.05021},
year = {2021}
}