BezierSeg：用于医学图像中快速物体分割的参数化形状表示
计算机视觉与模式识别
2021-08-03 v1 人工智能
摘要
勾画病灶区域是基于图像诊断中的一项重要任务。逐像素分类是分割感兴趣区域的常用方法。然而，在模糊边界处，此类方法通常导致故障、不连续或断裂，这与病灶为实心且平滑的事实不符。为克服这些不良伪影，我们提出 BezierSeg 模型，其输出包围感兴趣区域的贝塞尔曲线。直接用解析方程对轮廓建模确保了分割是连通、连续的且边界平滑。此外，它提供亚像素精度。在不损失精度的情况下，贝塞尔轮廓可被重采样并叠加于任意分辨率的图像上。而且，医生可方便地调整曲线的控制点以优化结果。我们的实验表明，所提方法实时运行并达到与逐像素分割模型相竞争的精度。
引用
@article{arxiv.2108.00760,
title = {BezierSeg: Parametric Shape Representation for Fast Object Segmentation in Medical Images},
author = {Haichou Chen and Yishu Deng and Bin Li and Zeqin Li and Haohua Chen and Bingzhong Jing and Chaofeng Li},
journal= {arXiv preprint arXiv:2108.00760},
year = {2021}
}