基于心脏电影磁共振图像的自动分割与疾病分类
计算机视觉与模式识别
2017-08-04 v1
摘要
心脏电影磁共振图像中的心脏分割在临床上用于量化心脏功能。我们提出一种使用心脏电影磁共振图像进行自动分割和疾病分类的全自动方法。设计了一个卷积神经网络（CNN），用于同时分割舒张末期（ED）和收缩末期（ES）图像中的左心室（LV）、右心室（RV）和心肌。从所得分割结果中提取的特征被用于随机森林分类器，将患者标记为患有扩张型心肌病、肥厚型心肌病、心肌梗死后心力衰竭、右心室异常或无心脏疾病。该方法使用包含100名患者图像的平衡数据集进行开发和评估，该数据集由MICCAI 2017自动心脏诊断挑战赛（ACDC）提供。分割和分类流程在四折分层交叉验证中进行评估。参考分割与自动分割之间的平均Dice分数分别为：左心室0.94、右心室0.88、心肌0.87。分类器将91%的患者分配到正确的疾病类别。每位患者的分割和疾病分类耗时5秒。我们的研究结果表明，基于电影磁共振心脏扫描的图像诊断可以高精度自动完成。
引用
@article{arxiv.1708.01141,
title = {Automatic Segmentation and Disease Classification Using Cardiac Cine MR Images},
author = {Jelmer M. Wolterink and Tim Leiner and Max A. Viergever and Ivana Isgum},
journal= {arXiv preprint arXiv:1708.01141},
year = {2017}
}
备注
Accepted in STACOM Automated Cardiac Diagnosis Challenge 2017