基于少量训练样本的腹主动脉瘤分割
计算机视觉与模式识别
2018-04-10 v1
摘要
术前腹主动脉瘤（AAA）三维形状对于开窗式腔内主动脉修复（FEVAR）中的定制支架移植物设计至关重要。传统分割方法采用专家设计的特徵提取器，而近期深度神经网络通过多个非线性模块自动提取特征。通常，大规模训练数据集对于将深度学习应用于 AAA 分割必不可少。本文中，使用 U-net 以少量（两个）训练样本对 AAA 进行分割。首先，对计算机断层血管造影（CTA）切片进行灰度值变异与平移增强，以避免由少量训练样本引起的过拟合。随后，训练 U-net 分割 AAA。在测试样本上取得了超过 0.8 的 Dice 相似系数（DSCs）。PLZ、DLZ 与主动脉分支均被合理重建，这将有助于支架移植物定制，并辅助 FEVAR 中术中手术导航的形状实例化。
引用
@article{arxiv.1804.02943,
title = {Abdominal Aortic Aneurysm Segmentation with a Small Number of Training Subjects},
author = {Jian-Qing Zheng and Xiao-Yun Zhou and Qing-Biao Li and Celia Riga and Guang-Zhong Yang},
journal= {arXiv preprint arXiv:1804.02943},
year = {2018}
}
备注
2 pages, 2 figures