通过形状感知轮廓注意力在 CT 图像上进行心脏分割
图像与视频处理
2024-10-01 v1 计算机视觉与模式识别
摘要
在计算机断层扫描（CT）图像上对心房、心室与心肌进行心脏分割是无症状心血管疾病诊断的一项重要一线任务。在若干近期研究中，深度学习模型已在医学图像分割任务中展现出显著突破。与肺、肝等其他器官不同，心脏由多个子结构组成，即心室、心房、主动脉、动脉、静脉与心肌。这些心脏子结构彼此邻近且边界难以区分（即灰度值均质），致使分割网络难以聚焦于子结构间边界。在本文中，为提升邻近器官间的分割精度，我们引入一种利用形状与边界感知特征的新模型。我们主要提出一个形状感知注意力模块，其利用距离回归，可引导模型聚焦于子结构间边缘，从而优于传统基于轮廓的注意力方法。实验中，我们使用多模态全心脏分割数据集，其中 20 张 CT 心脏图像用于训练与验证，40 张 CT 心脏图像用于测试。实验结果表明，所提网络通过提升 Dice 相似系数得分 4.97%，取得了比最先进网络更准确的结果。我们提出的形状感知轮廓注意力机制证明，距离变换与边界特征改善了实际注意力图以强化边界区域响应。此外，我们的方法显著减少了最终输出的假阳性响应，从而实现准确分割。
引用
@article{arxiv.2105.13153,
title = {Cardiac Segmentation on CT Images through Shape-Aware Contour Attentions},
author = {Sanguk Park and Minyoung Chung},
journal= {arXiv preprint arXiv:2105.13153},
year = {2024}
}