超声脊柱图像中骨特征分割对散斑与规则遮挡噪声的鲁棒性
图像与视频处理
2020-10-09 v1 计算机视觉与模式识别
摘要
3D 超声成像因其低成本、无辐射和实时特性，在脊柱侧弯诊断中展现出巨大前景。通过超声成像评估脊柱侧弯的关键在于准确分割骨区域并基于骨特征对称性测量侧弯程度。超声图像往往包含许多散斑和规则遮挡噪声，专家从中找出骨特征困难、繁琐且耗时。本文中，我们提出一种基于 U-net 结构的超声脊柱体投影成像（VPI）图像鲁棒骨特征分割方法。所提分割方法引入全变分损失以降低模型对小尺度和规则遮挡噪声的敏感性。与 u-net 模型相比，所提方法将 Dice 分数提升 2.3%、AUC 分数提升 1%，并对散斑和规则遮挡噪声表现出高鲁棒性。
引用
@article{arxiv.2010.03740,
title = {Bone Feature Segmentation in Ultrasound Spine Image with Robustness to Speckle and Regular Occlusion Noise},
author = {Zixun Huang and Li-Wen Wang and Frank H. F. Leung and Sunetra Banerjee and De Yang and Timothy Lee and Juan Lyu and Sai Ho Ling and Yong-Ping Zheng},
journal= {arXiv preprint arXiv:2010.03740},
year = {2020}
}
备注
SMC2020