基于鲁棒高效三维卷积神经网络的计算机断层扫描自动气道分割
图像与视频处理
2021-08-04 v2 计算机视觉与模式识别
摘要
本文提出一种基于U-Net架构、面向胸部计算机断层扫描的 fully automatic 且端到端优化的气道分割方法。我们采用简单且低显存的三维U-Net作为骨干，使该方法能在单次网络前向中处理大型三维图像块，通常涵盖全肺。这使方法简洁、鲁棒且高效。我们在三个具有极不同特征与各类气道异常的数据集上验证了所提方法：i）包含囊性纤维化受试者的儿科患者数据集，ii）丹麦肺癌筛查试验的子集，包含慢性阻塞性肺疾病受试者，以及iii）EXACT'09公共数据集。我们将方法与其它最先进气道分割方法比较，包括在EXACT'09数据上评估的文献中相关基于学习的方法。我们表明，该方法能在健康与患病受试者的扫描中提取出高度完整的气道树且假阳性错误少，并且能很好地跨不同数据集泛化。在EXACT'09测试集上，我们的方法在所有报告了良好特异性的方法中取得了第二高的灵敏度得分。
引用
@article{arxiv.2103.16328,
title = {Automatic airway segmentation from Computed Tomography using robust and efficient 3-D convolutional neural networks},
author = {A. Garcia-Uceda and R. Selvan and Z. Saghir and H. A. W. M. Tiddens and M. de Bruijne},
journal= {arXiv preprint arXiv:2103.16328},
year = {2021}
}
备注
Changes have been made to reflect the minor revision and publication in Scientific Reports Nature