用于多平面MRI中前列腺精确分割的各向异性三维多流CNN
图像与视频处理
2020-12-03 v2 计算机视觉与模式识别
摘要
背景与目的：在MR图像中对前列腺进行准确可靠的分割，可支持前列腺癌的临床评估，以及局灶性和局部区域治疗干预的规划与监测。尽管由于标准化协议可获得多平面MR扫描，但文献中提出的多数分割方法仅考虑轴位扫描。方法：我们提出一种各向异性三维多流CNN架构，其处理额外的扫描方向以产生更高分辨率的各向同性前列腺分割。我们研究了该架构的两种变体，分别作用于两个（双平面）和三个（三平面）图像方向。我们将它们与文献中使用的标准基线（单平面）即普通轴位分割进行比较。为实现公平比较，我们采用超参数优化策略为各方法选择最优配置。结果：在跨越多个站点的两个数据集上的训练与评估取得相对于普通轴位分割的统计显著改进（Dice相似系数上）。该改进尤其见于基底部（单平面 vs. 三平面）和尖部（单平面 vs. 双平面）。结论：本研究表明采用两个或三个扫描方向的模型优于普通轴位分割。精确前列腺边界的知识对于风险结构的保护至关重要。因此，所提模型有潜力改善前列腺癌诊断与治疗的结果。
引用
@article{arxiv.2009.11120,
title = {Anisotropic 3D Multi-Stream CNN for Accurate Prostate Segmentation from Multi-Planar MRI},
author = {Anneke Meyer and Grzegorz Chlebus and Marko Rak and Daniel Schindele and Martin Schostak and Bram van Ginneken and Andrea Schenk and Hans Meine and Horst K. Hahn and Andreas Schreiber and Christian Hansen},
journal= {arXiv preprint arXiv:2009.11120},
year = {2020}
}
备注
Accepted manuscript in Elsevier Computer Methods and Programs in Biomedicine. Anneke Meyer and Grzegorz Chlebus contributed equally to this work. Sourcecode available at https://github.com/AnnekeMeyer/AnisotropicMultiStreamCNN. Data available at https://doi.org/10.7937/TCIA.2019.DEG7ZG1U