用于肾脏结构解析的边界感知网络
图像与视频处理
2022-08-30 v1 计算机视觉与模式识别
摘要
肾脏结构分割是基于手术的肾癌计算机辅助诊断中关键且具挑战性的任务。尽管众多深度学习模型在许多医学图像分割任务中取得了显著成功，但由于肾肿瘤大小多变以及肾脏结构与其周边边界模糊，在 CT 血管造影（CTA）图像上准确分割肾脏结构仍然困难。本文提出一种边界感知网络（BA-Net）用于在 CTA 扫描上分割肾脏、肾肿瘤、动脉和静脉。该模型包含共享编码器、边界解码器和分割解码器。两个解码器均采用多尺度深度监督策略，可缓解肿瘤大小多变带来的问题。边界解码器在各尺度生成的边界概率图用作注意力以增强分割特征图。我们在肾脏解析（KiPA）挑战赛数据集上评估 BA-Net，采用 4 折交叉验证在 CTA 扫描上取得肾脏结构分割平均 Dice 分数 89.65%。结果证明了 BA-Net 的有效性。
引用
@article{arxiv.2208.13338,
title = {Boundary-Aware Network for Kidney Parsing},
author = {Shishuai Hu and Yiwen Ye and Zehui Liao and Yong Xia},
journal= {arXiv preprint arXiv:2208.13338},
year = {2022}
}
备注
Technical report. Solution to Kidney PArsing Challenge 2022 (KiPA22)