基于多序列MR图像的自动心脏分割框架
图像与视频处理
2019-09-19 v1 计算机视觉与模式识别
摘要
LGE CMR是一种检测梗死心肌的有效技术。在LGE中对心室进行高效且客观的分割方法有助于定位梗死心肌。本文提出了一种用于LGE图像分割的自动框架。仅有5个带标签的LGE体数据，每个体数据约15个切片。我们对其他带标签的模态采用直方图匹配这一旋转不变配准方法，以实现训练数据的有效增强。通过留一法策略基于增强后的训练数据训练了一个CNN分割模型。模型预测结果经过各类别的连通域分析，保留最大连通域作为最终分割结果。我们的模型在2019年多序列心脏MR分割挑战赛上进行了评估。40个测试体数据在Dice系数、Jaccard系数、表面距离和Hausdorff距离上的平均测试结果分别为0.8087、0.6976、2.8727mm和15.6387mm。实验结果表明所提框架具有令人满意的性能。代码见https://github.com/Suiiyu/MS-CMR2019。
引用
@article{arxiv.1909.05488,
title = {An Automatic Cardiac Segmentation Framework based on Multi-sequence MR Image},
author = {Yashu Liu and Wei Wang and Kuanquan Wang and Chengqin Ye and Gongning Luo},
journal= {arXiv preprint arXiv:1909.05488},
year = {2019}
}
备注
accepted by STACOM 2019