使用对抗式图像到图像网络进行自动肝脏分割
计算机视觉与模式识别
2017-07-26 v1
摘要
三维医学图像中的自动肝脏分割在许多临床应用中至关重要，例如肝脏疾病的病理诊断、手术规划和术后评估。然而，由于肝脏背景复杂、边界模糊且外观多样，这仍然是一项极具挑战性的任务。本文提出了一种从三维CT体积中分割肝脏的自动高效算法。首先部署一个深度图像到图像网络（DI2IN）来生成肝脏分割，该网络采用卷积编码器-解码器架构，并结合了多级特征拼接和深度监督。然后在训练过程中利用一个对抗网络来区分DI2IN的输出与真实标注，从而进一步提升DI2IN的性能。所提出的方法在一个包含1000个CT体积的标注数据集上进行了训练，这些数据具有各种不同的扫描协议（例如，增强与非增强、各种分辨率和位置）和人群的巨大差异（例如，年龄和病理）。我们的方法在分割精度和计算效率方面均优于现有最优解决方案。
引用
@article{arxiv.1707.08037,
title = {Automatic Liver Segmentation Using an Adversarial Image-to-Image Network},
author = {Dong Yang and Daguang Xu and S. Kevin Zhou and Bogdan Georgescu and Mingqing Chen and Sasa Grbic and Dimitris Metaxas and Dorin Comaniciu},
journal= {arXiv preprint arXiv:1707.08037},
year = {2017}
}
备注
Accepted by MICCAI 2017