评估编码器-解码器架构用于鲁棒冠状动脉分割
图像与视频处理
2023-10-17 v1 计算机视觉与模式识别
摘要
冠状动脉疾病是全球主要死因之一。由精准冠状动脉分割辅助的及时准确诊断，对改变患者预后至关重要。在生物医学成像领域，卷积神经网络尤其是 U-Net 架构已彻底改变了分割流程。然而，主要挑战之一仍是缺乏冠状动脉专用的基准数据集。不过，通过使用近期发布的公开数据集 ASOCA，深度学习用于精准冠状动脉分割的潜力可得以提升。本文深入考察了 25 种不同编码器-解码器组合的性能。通过对提供给 ASOCA 参与者的 40 个病例的分析，表明以 EfficientNet 与 LinkNet 分别作为编码器与解码器的组合表现突出。其达成 Dice 系数 0.882 与第 95 百分位 Hausdorff 距离 4.753。这些发现不仅凸显了我们的模型相较于 MICCAI 2020 挑战赛中所呈模型的优越性，也为冠状动脉分割的未来进展奠定基础，开启了增强诊断与治疗策略之门。
引用
@article{arxiv.2310.10002,
title = {Assessing Encoder-Decoder Architectures for Robust Coronary Artery Segmentation},
author = {Shisheng Zhang and Ramtin Gharleghi and Sonit Singh and Arcot Sowmya and Susann Beier},
journal= {arXiv preprint arXiv:2310.10002},
year = {2023}
}
备注
7 pages. This article has been accepted for publication in IEEE 38th International Conference on Image and Vision Computing New Zealand (ICVNZ 2023). This is the author's version which has not been fully edited and content may change prior to final publication