基于视网膜图像知识迁移的无标注心脏血管分割
图像与视频处理
2019-07-29 v1 计算机视觉与模式识别
摘要
分割冠状动脉具有挑战性，因为经典的无监督方法无法产生令人满意的结果，而现代监督学习（深度学习）需要人工标注，这通常耗时且有时不可行。为解决此问题，我们提出了一种基于知识迁移的形状一致生成对抗网络（SC-GAN），这是一种无标注方法，利用公开可用的带标注眼底数据集中的知识来分割冠状动脉。所提出的网络以端到端方式训练，生成并分割保持冠状动脉造影背景且保留视网膜血管与冠状动脉血管结构合成图像。我们在 1092 张数字减影血管造影图像的数据集上训练和评估所提出的模型，实验证明了该方法在冠状动脉分割上的卓越准确性。
引用
@article{arxiv.1907.11483,
title = {Annotation-Free Cardiac Vessel Segmentation via Knowledge Transfer from Retinal Images},
author = {Fei Yu and Jie Zhao and Yanjun Gong and Zhi Wang and Yuxi Li and Fan Yang and Bin Dong and Quanzheng Li and Li Zhang},
journal= {arXiv preprint arXiv:1907.11483},
year = {2019}
}
备注
Accepted at MICCAI 2019