基于应用符号距离图的分割网络从MRI图像重建脑表面
计算机视觉与模式识别
2021-04-12 v1 机器学习
图像与视频处理
摘要
全脑表面提取是医学成像系统中的一个重要课题，因为它为神经外科医生提供了更广阔的手术规划与异常检测视野。为解决当前深度学习颅骨剥离方法缺乏先验形状信息的问题，我们提出了一种融合符号距离场知识的新网络架构，并引入额外的拉普拉斯损失以确保预测结果保留形状信息。我们在自有脑磁共振成像数据集（111名患者）上通过实验验证了所提新方法。评估结果表明，我们的方法取得了可比的Dice分数，并降低了豪斯多夫距离与平均对称表面距离，从而生成更稳定和平滑的脑等值面。
引用
@article{arxiv.2104.04291,
title = {Brain Surface Reconstruction from MRI Images Based on Segmentation Networks Applying Signed Distance Maps},
author = {Heng Fang and Xi Yang and Taichi Kin and Takeo Igarashi},
journal= {arXiv preprint arXiv:2104.04291},
year = {2021}
}
备注
Accepted by IEEE ISBI 2021 (International Symposium on Biomedical Imaging)