基于图像合成与注意力深度神经网络的计算机断层灌注图像缺血性卒中病灶自动分割
图像与视频处理
2021-01-01 v1 计算机视觉与模式识别
摘要
从计算机断层灌注（CTP）图像中分割缺血性卒中病灶对于急症单元中卒中的准确诊断十分重要。然而，除病灶复杂表现外，该任务还受灌注参数图低图像对比度与低分辨率所困扰。为此，我们提出一种基于从灌注参数图合成伪扩散加权成像（DWI）的新框架，以获得更优图像质量从而实现更精准分割。我们的框架由基于卷积神经网络（CNNs）的三个组件构成并端到端训练。首先，使用特征提取器获取原始时空计算机断层血管造影（CTA）图像的低级与高级紧凑表示。其次，伪DWI生成器以CTP灌注参数图与我们提取特征的拼接为输入，得到合成伪DWI。为获得更优合成质量，我们提出一种混合损失函数，更关注病灶区域并鼓励高级上下文一致性。最后，我们从合成伪DWI中分割病灶区域，其中分割网络基于可切换归一化与通道校准以提升性能。实验结果表明，我们的框架在ISLES 2018挑战赛上取得顶尖性能，且：1）使用合成伪DWI的方法优于直接从灌注参数图分割病灶的方法；2）利用额外时空CTA图像的特征提取器带来了更优的合成伪DWI质量与更高分割精度；3）所提损失函数与网络结构改善了伪DWI合成与病灶分割性能。
引用
@article{arxiv.2007.03294,
title = {Automatic Ischemic Stroke Lesion Segmentation from Computed Tomography Perfusion Images by Image Synthesis and Attention-Based Deep Neural Networks},
author = {Guotai Wang and Tao Song and Qiang Dong and Mei Cui and Ning Huang and Shaoting Zhang},
journal= {arXiv preprint arXiv:2007.03294},
year = {2021}
}
备注
14 pages, 10 figures