基于深度学习工作流的整个心动周期自动分割
计算机视觉与模式识别
2018-09-05 v1 机器学习
机器学习
摘要
从 CINE MRI 图像中分割左心室（LV）对于推断重要临床参数至关重要。通常，用于自动 LV 分割的机器学习算法仅使用舒张期和收缩期两个心动时相的标注轮廓。本工作中，我们提出一种全自动 LV 分割的分析工作流，其从整个心动周期采集的图像中学习。该工作流由三部分组成：首先，对序列中每幅图像，我们执行自动定位并随后裁剪包含心脏轮廓的边界框。其次，我们使用时间全卷积神经网络（T-FCNN）识别 LV 轮廓，该网络通过循环机制强化连续帧间的时间一致性，从而扩展全卷积神经网络（FCNN）。最后，我们使用以下两个组件之一进一步界定边界：具有高斯边势的全连接条件随机场（CRF）与语义流（Semantic Flow）。我们的初步实验表明，通过使用显式学习心脏运动模式同时执行 LV 分割的循环神经网络组件，有可能在性能上取得显著提升。
引用
@article{arxiv.1809.01015,
title = {Automated segmentation on the entire cardiac cycle using a deep learning work-flow},
author = {Nicoló Savioli and Miguel Silva Vieira and Pablo Lamata and Giovanni Montana},
journal= {arXiv preprint arXiv:1809.01015},
year = {2018}
}
备注
6 pages, 2 figures, published on IEEE Xplore