使用深度学习网络在心脏 MRI 中进行心肌自动分割
计算机视觉与模式识别
2017-08-25 v1
摘要
心脏功能对于二尖瓣反流、缺血、运动不同步和心肌炎等多种病理的预后和治疗至关重要。心脏行为由结构和功能特征决定。在这两种情况下，医学影像研究的分析都需要检测并分割心肌。如今，磁共振成像（MRI）是用于心脏结构和功能最相关且最精确的无创诊断工具之一。在本工作中，我们提出使用深度学习技术来辅助心脏 MRI 中心肌分割的自动化。我们在本文中提出了对先前工作的若干改进：我们提议使用 Jaccard 距离作为优化目标函数，将残差学习策略集成到编码器中，并引入批归一化层来训练全卷积神经网络。我们的结果表明，该架构优于基于类似网络架构的先前方法，并为心肌分割提供了一种合适的方法。我们的基准测试表明，在 3.1 GHz intel core i7 上，对于 128~x~128~x~13 像素的体积，自动心肌分割耗时不到 22 秒。
引用
@article{arxiv.1708.07452,
title = {Automatic Myocardial Segmentation by Using A Deep Learning Network in Cardiac MRI},
author = {Ariel H. Curiale and Flavio D. Colavecchia and Pablo Kaluza and Roberto A. Isoardi and German Mato},
journal= {arXiv preprint arXiv:1708.07452},
year = {2017}
}
备注
Accepted on CLEI-JAIIO-SLCGRVPI 2017 (submitted on April 2017)