基于弱域迁移对抗卷积网络的多序列心脏MR图像分割
图像与视频处理
2019-08-29 v2 计算机视觉与模式识别
摘要
心室与心肌的分析和建模在心脏疾病的诊断与治疗中十分重要。在心脏MR（CMR）扫描中手动勾画这些组织费力且耗时。边界的模糊性使分割任务颇具挑战。此外，某些模态（如 Late Gadolinium Enhancement（LGE）MRI）的标注通常不可用。我们提出一种基于卷积神经网络（CNN）与对抗学习的端到端分割框架。采用扩张残差U形网络作为分割器生成预测掩码；同时利用一个CNN作为判别模型来判断分割质量。为利用每位患者跨模态的可用标注，向流程中引入了一种称为弱域迁移损失的新损失函数。所提模型在MICCAI 2019挑战赛组织者发布的公开数据集上评估，该数据集包含45组多序列CMR图像。我们证明所提对抗流程优于基线深度学习方法。
引用
@article{arxiv.1908.09298,
title = {Adversarial Convolutional Networks with Weak Domain-Transfer for Multi-Sequence Cardiac MR Images Segmentation},
author = {Jingkun Chen and Hongwei Li and Jianguo Zhang and Bjoern Menze},
journal= {arXiv preprint arXiv:1908.09298},
year = {2019}
}
备注
9 pages, 4 figures, conference