基于 Attention U-Net 的对抗架构用于胸部 X 光肺分割
图像与视频处理
2020-03-24 v1 计算机视觉与模式识别
机器学习
摘要
胸部 X 光是医学影像模态中最常见的检查。它用于包括但不限于肺癌、结核病和肺炎（后者因 COVID-19 疾病而重要）的检测与鉴别。将计算机辅助检测方法有集成到放射科医生诊断流程中，可大幅减轻医生工作负担，提升可靠性与定量分析。本文提出一种用于肺分割的新型深度学习方法，这是诊断流程中基础但繁重的任务。我们的方法采用最先进的 fully convolutional neural networks（全卷积神经网络）与对抗判别模型结合。它对具有不同患者特征的未见过数据集的 CXR 图像泛化良好，在 JSRT 数据集上取得最终 DSC 97.5%。
引用
@article{arxiv.2003.10304,
title = {Attention U-Net Based Adversarial Architectures for Chest X-ray Lung Segmentation},
author = {Gusztáv Gaál and Balázs Maga and András Lukács},
journal= {arXiv preprint arXiv:2003.10304},
year = {2020}
}
备注
7 pages, 4 figures