自动化多类心脏体积分割与模型生成
图像与视频处理
2019-09-17 v1 计算机视觉与模式识别
摘要
在图像内多类语义分割方面已取得诸多进展，这主要得益于深度学习和卷积神经网络（CNN）的进步。CNN中的特征在训练过程中自动学习，从而实现对图像中语义信息的抽象。这些深度学习模型足够强大，能够在无需多个网络的情况下处理多类分割。尽管有这些进展，针对从CT或MRI扫描获得的医学影像数据集中自动分割多个解剖结构特征的尝试仍很少。由于医学影像数据的三维特性，这带来了独特的挑战。为缓解三维模态问题，我们提出了一种多轴集成方法，应用于包含4个心腔分割的CT扫描数据集。受人类常用的三轴视图启发，该技术在为模型提供最大三维空间信息的同时，对消费级推理硬件保持高效。我们的实验表明，多轴集成与实用的体素预处理相结合，显著提高了在完整DICOM数据集上预测的平均交并比（mean intersection over union）。
引用
@article{arxiv.1909.06685,
title = {Automated Multiclass Cardiac Volume Segmentation and Model Generation},
author = {Erik Gaasedelen and Alex Deakyne and Paul Iaizzo},
journal= {arXiv preprint arXiv:1909.06685},
year = {2019}
}