基于卷积神经网络和图割的自动三维肝脏定位与分割
计算机视觉与模式识别
2016-05-11 v1
摘要
目的 从腹部计算机断层扫描（CT）图像中分割肝脏是某些计算机辅助临床干预（如活体供肝移植（LDLT）手术规划、放射治疗和体积测量）中的关键步骤。本工作中，我们开发了一种带图割精修的深度学习算法，以自动分割 CT 扫描中的肝脏。方法 所提方法包括两个主要步骤：(i) 使用 3D 卷积神经网络（CNNs）同时进行肝脏检测与概率分割；(ii) 利用图割和先前学习的概率图对初始分割进行精度精修。结果 所提方法在取自两个公共数据库 MICCAI-Sliver07 和 3Dircadb 的四十个 CT 体数据上进行了验证。对于 MICCAI-Sliver07 测试集，计算得到的体积重叠误差（VOE）、相对体积差（RVD）、平均对称表面距离（ASD）、均方根对称表面距离（RMSD）和最大对称表面距离（MSD）的均值分别为 5.9%、2.7%、0.91%、1.88 mm 和 18.94 mm。对于 20 个 3Dircadb 数据，计算得到的 VOE、RVD、ASD、RMSD 和 MSD 均值分别为 9.36%、0.97%、1.89%、4.15 mm 和 33.14 mm。结论 所提方法完全自动，无需任何用户交互。定量结果表明，该方法在临床环境中对肝脏体积估计高效且准确。自动与手动参考之间的高相关性表明，所提方法足以替代耗时且不可复现的手动分割方法。
引用
@article{arxiv.1605.03012,
title = {Automatic 3D liver location and segmentation via convolutional neural networks and graph cut},
author = {Fang Lu and Fa Wu and Peijun Hu and Zhiyi Peng and Dexing Kong},
journal= {arXiv preprint arXiv:1605.03012},
year = {2016}
}
备注
12 pages, 12 figures, 4 tables