基于子流形稀疏卷积网络的计算机断层扫描图像自动分割
图像与视频处理
2022-12-07 v1 计算机视觉与模式识别
摘要
定量癌症图像分析依赖于对肿瘤的准确勾画，这是一项非常专业且耗时的任务。因此，近年来医学影像中肿瘤自动分割方法被广泛开发，计算机断层扫描（CT）是被探索的最流行成像模态之一。然而，典型扫描中大量的 3D 体素使得在传统硬件上一次性分析整个体积难以实现。为克服该问题，在使用传统卷积神经网络处理医学影像时通常会实施下采样和/或重采样过程。本文中，我们提出一种新方法，引入输入图像稀疏化过程与子流形稀疏卷积网络，作为下采样的替代方案。作为概念验证，我们将该新方法应用于肾癌患者的计算机断层扫描图像，获得了与先前方法相当的肾脏和肿瘤分割性能（约 84.6% 的 Dice 相似系数），同时实现了计算时间的显著改善（每个训练周期 2–3 分钟）。
引用
@article{arxiv.2212.02854,
title = {Automated Segmentation of Computed Tomography Images with Submanifold Sparse Convolutional Networks},
author = {Saúl Alonso-Monsalve and Leigh H. Whitehead and Adam Aurisano and Lorena Escudero Sanchez},
journal= {arXiv preprint arXiv:2212.02854},
year = {2022}
}