基于深度图像到图像网络与消息传递和稀疏正则化的大规模三维CT自动椎体标注
计算机视觉与模式识别
2017-05-18 v1
摘要
在三维医学图像中自动定位与标注椎体在许多临床任务中起着重要作用，包括病理诊断、手术规划和术后评估。然而，病理病例的异常条件，如异常的脊柱弯曲、金属植入物引起的明亮视觉成像伪影以及有限的视野，增加了准确定位的难度。本文提出一种自动快速算法，在三维CT体中定位并标注椎体中心。首先，我们部署深度图像到图像网络(DI2IN)来初始化椎体位置，采用卷积编码器-解码器架构以及多级特征拼接和深度监督。接下来，基于椎体中心之间的相互关系，利用消息传递方案迭代演化DI2IN得到的中心概率图。最后，利用稀疏正则化细化定位结果。所提方法在一个包含302个具有各种病变的脊柱CT体的公共数据集上评估。我们的方法在定位精度上优于其他最先进的方法。平均每个病例运行时间约为3秒。为了进一步提升性能，我们在额外的1000+个来自不同患者的三维CT体上重新训练DI2IN。据我们所知，这是首次在解剖标志检测任务的实验中采用超过1000个带专家标注的三维CT体。我们的实验结果表明，使用如此大的数据集进行训练显著提高了性能，并且总体识别率首次达到90%。
引用
@article{arxiv.1705.05998,
title = {Automatic Vertebra Labeling in Large-Scale 3D CT using Deep Image-to-Image Network with Message Passing and Sparsity Regularization},
author = {Dong Yang and Tao Xiong and Daguang Xu and Qiangui Huang and David Liu and S. Kevin Zhou and Zhoubing Xu and JinHyeong Park and Mingqing Chen and Trac D. Tran and Sang Peter Chin and Dimitris Metaxas and Dorin Comaniciu},
journal= {arXiv preprint arXiv:1705.05998},
year = {2017}
}