基于双密集连接U-Net的腰椎CT图像自动分割
图像与视频处理
2020-02-05 v2 计算机视觉与模式识别
摘要
退行性与发育性腰椎管狭窄症(LSS)的临床治疗方法不同。计算机断层扫描(CT)因在骨性与钙化组织成像方面的优势,有助于区分退行性与发育性LSS。然而,椎体、椎管和硬膜囊的边界在CT图像中对比度低且难以辨识,因此诊断高度依赖专家外科医生与放射科医生的经验。本文提出一种自动腰椎CT图像分割方法以辅助LSS诊断。本文的主要贡献如下:1)构建了一个新的腰椎CT图像数据集,包含来自279名患者的2393张轴位CT图像,并附有像素级分割标签的ground truth;2)采用双密集连接U形神经网络(DDU-Net)以端到端方式分割椎管、硬膜囊和椎体;3)DDU-Net能够分割具有大尺度变化、边缘不明显(如椎管)和极小尺寸(如硬膜囊)的组织;4)DDU-Net实用性强,无需对比度增强、配准和去噪等图像预处理,运行速度达到12 FPS。实验中,我们在腰椎图像分割任务上取得了state-of-the-art的性能。我们期望该技术能提升放射科工作流效率,并增加转诊临床医生与患者对于放射报告的感知价值。
引用
@article{arxiv.1910.09198,
title = {Automatic Lumbar Spinal CT Image Segmentation with a Dual Densely Connected U-Net},
author = {He Tang and Xiaobing Pei and Shilong Huang and Xin Li and Chao Liu},
journal= {arXiv preprint arXiv:1910.09198},
year = {2020}
}