使用聚焦边界的 nnU-Net 从 LGE-MRI 中自动分割左心房与瘢痕
图像与视频处理
2023-04-28 v1 计算机视觉与模式识别
摘要
心房颤动 (AF) 是最常见的心律失常。左心房 (LA) 和 LA 瘢痕的精确分割可以为预测 AF 的治疗结果提供有价值的信息。在本文中，我们提出从晚期钆增强磁共振成像 (LGE-MRIs) 中自动分割 LA 腔并量化 LA 瘢痕。我们采用 nnU-Net 作为基线模型，并利用 TopK 损失作为损失函数来发掘 LA 边界特征的重要性。具体而言，在训练期间实现对 LA 边界像素的聚焦，从而提供更准确的边界预测。另一方面，预测的 LA 边界的距离图变换被视为 LA 瘢痕预测的额外输入，从而对瘢痕位置提供边缘约束。我们进一步设计了一种新颖的不确定性感知模块 (UAM)，以在预测具有高不确定性时产生更好的结果。在 LAScarQS 2022 数据集上的实验证明了我们的模型在 LA 腔和 LA 瘢痕分割上的优越性能。具体而言，我们在 LA 腔和瘢痕分割上分别实现了 88.98\% 和 64.08\% 的 Dice 系数。我们将在 https://github.com/level6626/Boundary-focused-nnU-Net 公开我们的实现代码。
引用
@article{arxiv.2304.14071,
title = {Automatically Segment the Left Atrium and Scars from LGE-MRIs Using a Boundary-focused nnU-Net},
author = {Yuchen Zhang and Yanda Meng and Yalin Zheng},
journal= {arXiv preprint arXiv:2304.14071},
year = {2023}
}
备注
MICCAI2022 LaScar Challenge Best Paper Runner-up