心脏 MRI 中结合局部分割失败检测的自动分割
图像与视频处理
2020-11-16 v1 计算机视觉与模式识别
摘要
在心脏磁共振图像（CMRI）中对心脏解剖结构进行分割是心血管疾病自动诊断与预后的前提。为提高分割方法的鲁棒性与性能，本研究将 CMRI 中的自动分割与分割不确定性评估相结合，以检测包含局部分割失败的图像区域。训练了三种最先进的卷积神经网络（CNN）来自动分割心脏解剖结构，并获得两种预测不确定性度量：熵与由 MC-dropout 导出的度量。此后，利用这些不确定性训练另一个 CNN 来检测可能需要专家修正的局部分割失败。最后，对检测到的区域进行人工修正模拟。使用来自 MICCAI 2017 ACDC 挑战赛的公开 CMR 扫描，研究了 CNN 架构、分割损失函数以及不确定性度量的影响。使用手动与自动分割之间的 Dice 系数和 3D Hausdorff 距离评估性能。实验表明，将自动分割与检测到的分割失败的人工修正模拟相结合可带来统计显著的性能提升。
引用
@article{arxiv.2011.07025,
title = {Automatic segmentation with detection of local segmentation failures in cardiac MRI},
author = {Jörg Sander and Bob D. de Vos and Ivana Išgum},
journal= {arXiv preprint arXiv:2011.07025},
year = {2020}
}