AirwayNet：一种利用卷积神经网络进行精确气道分割的体素连通性感知方法
图像与视频处理
2019-07-17 v1 计算机视觉与模式识别
摘要
CT 扫描上的气道分割对肺部疾病诊断与支气管内导航至关重要。由于气道结构复杂且外观多样，人工提取气道需耗费大量精力。在自动气道提取方面，基于卷积神经网络（CNNs）的方法近来已成为最先进的方法。然而，CNNs 在感知树状结构及理解气道连通性方面仍存在挑战。为此，我们提出一种名为 AirwayNet 的体素连通性感知方法以实现精确气道分割。通过连通性建模，传统的二值分割任务被转化为 26 个连通性预测任务。因此，我们的 AirwayNet 同时学习气道结构及相邻体素间的关系。为利用上下文知识，肺距离图与体素坐标作为附加语义信息输入 AirwayNet。与现有方法相比，AirwayNet 取得了更优性能，证明了该网络体素连通性感知的有效性。
引用
@article{arxiv.1907.06852,
title = {AirwayNet: A Voxel-Connectivity Aware Approach for Accurate Airway Segmentation Using Convolutional Neural Networks},
author = {Yulei Qin and Mingjian Chen and Hao Zheng and Yun Gu and Mali Shen and Jie Yang and Xiaolin Huang and Yue-Min Zhu and Guang-Zhong Yang},
journal= {arXiv preprint arXiv:1907.06852},
year = {2019}
}
备注
8 pages, 4 figures