通过学习图结构实现自动气道分割

Yihua Yang

通过学习图结构实现自动气道分割

图像与视频处理 2021-10-01 v1 计算机视觉与模式识别机器学习

作者: Yihua Yang

摘要

在本研究项目中，我们提出了一种基于现有卷积神经网络（CNN）和图神经网络（GNN）的先进气道分割方法。该方法源于血管分割，但我们对其进行了改进，使新模型在来自计算机断层扫描（CT）的数据集上表现更好。当前的气道分割方法仅考虑规则网格。无论具体模型如何，包括三维 CNN 或三个方向的二维 CNN，整体图结构均未被考虑。在我们的模型中，考虑到气道的邻域，融入了图结构，与传统 CNN 方法相比气道分割得到改善。我们在胸部 CT 扫描上进行了实验，其中真值分割标签由人工生成。所提模型表明，与仅用 CNN 的方法相比，CNN 与 GNN 的结合具有更好性能，因为在大多数情况下可检测到胸部 CT 扫描中的支气管。此外，我们提出的模型具有广泛扩展性，因为该架构也可用于在其他数据集中实现类似目标。因此，该最先进模型具有重要意义且在日常生活中高度适用。关键词：气道分割，卷积神经网络，图神经网络

关键词

气道分割卷积神经网络图神经网络计算机断层扫描图结构

引用

@article{arxiv.2109.14792,
  title  = {Automated airway segmentation by learning graphical structure},
  author = {Yihua Yang},
  journal= {arXiv preprint arXiv:2109.14792},
  year   = {2021}
}

通过学习图结构实现自动气道分割

摘要

关键词

引用

相关论文