基于深度空间序列网络的四维计算机断层扫描左心室腔自动分割
图像与视频处理
2024-12-18 v1 计算机视觉与模式识别
摘要
在时间序列心脏图像（多个时间点）中自动分割左心室腔（LVC）是定量分析其结构与功能变化的基础要求。基于深度学习的 LVC 分割方法是目前的最先进技术；然而，这些方法通常被设计为在单一时间点上工作，未能利用时间图像序列中的互补信息，而这些信息有助于提升各时间点图像间的分割精度与一致性。此外，这些分割方法在分割收缩末期（ES）相位图像时表现不佳，此时左心室形变至最小的不规则形状，且血液腔与心肌之间的边界变得不明显。为克服这些局限性，我们提出了一种自动分割时间序列心脏图像的新方法，其中引入了空间序列（SS）网络，以无监督方式学习 LVC 的形变与运动特征；随后将这些特征与源自双向学习（BL）的序列上下文信息相融合，其中双向学习同时利用了图像序列的时间顺序与逆时间顺序方向。我们在心脏计算机断层扫描（CT）数据集上的实验结果表明，我们提出的结合双向学习的空间序列网络（SS-BL）方法在 LVC 分割上优于现有方法。该方法还被应用于 MRI 心脏数据集，结果证明了本方法的泛化能力。
引用
@article{arxiv.2412.12853,
title = {Automatic Left Ventricular Cavity Segmentation via Deep Spatial Sequential Network in 4D Computed Tomography Studies},
author = {Yuyu Guo and Lei Bi and Zhengbin Zhu and David Dagan Feng and Ruiyan Zhang and Qian Wang and Jinman Kim},
journal= {arXiv preprint arXiv:2412.12853},
year = {2024}
}
备注
9 pages