基于有限视域计算机断层扫描的体成分评估：一种语义图像扩展视角
图像与视频处理
2023-04-18 v2 计算机视觉与模式识别
摘要
在常规肺部筛查计算机断层扫描（CT）中，超出肺部的视域（FOV）组织截断十分常见。这给基于机会性CT的体成分（BC）评估带来了限制，因为关键解剖结构缺失。传统上，扩展CT的FOV被视为利用有限数据的CT重建问题。然而，该方法依赖于投影域数据，而应用中可能无法获取。在本工作中，我们从语义图像扩展的视角来表述该问题，其仅需图像数据作为输入。所提出的两阶段方法基于估计的完整身体范围确定新的FOV边界，并填补截断区域中缺失的组织。训练样本使用FOV中包含完整身体的CT切片进行模拟，使模型开发成为自监督的。我们利用有限FOV的肺部筛查CT评估了所提方法在自动BC评估中的有效性。该方法有效恢复了缺失组织，并降低了由FOV组织截断引入的BC评估误差。在大规模肺部筛查CT数据集的BC评估中，该校正同时改善了受试者内一致性与和人体测量近似的相关性。所开发的方法可在 https://github.com/MASILab/S-EFOV 获取。
引用
@article{arxiv.2207.06551,
title = {Body Composition Assessment with Limited Field-of-view Computed Tomography: A Semantic Image Extension Perspective},
author = {Kaiwen Xu and Thomas Li and Mirza S. Khan and Riqiang Gao and Sanja L. Antic and Yuankai Huo and Kim L. Sandler and Fabien Maldonado and Bennett A. Landman},
journal= {arXiv preprint arXiv:2207.06551},
year = {2023}
}
备注
Updated with additional evaluation and clarification