晚期钆增强 MRI 上的心脏分割：来自多序列心脏 MR 分割挑战赛的基准研究
图像与视频处理
2021-07-20 v2 计算机视觉与模式识别
摘要
从医学图像中对心室和心肌进行准确计算、分析和建模十分重要，尤其在心肌梗死（MI）患者的诊断和治疗管理中。晚期钆增强（LGE）心脏磁共振（CMR）提供了可视化 MI 的重要协议。然而，LGE CMR 的自动分割仍具挑战性，原因在于 LGE CMR 中病理心肌边界难以区分、强度分布异质以及增强模式复杂。此外，与其他序列相比，带有金标准标签的 LGE CMR 图像尤其有限，这构成了开发 LGE CMR 自动分割新算法的另一障碍。本文展示了与 MICCAI 2019 联合举办的多序列心脏 MR（MS-CMR）分割挑战赛的部分结果。该挑战赛提供了一套配对的 MS-CMR 图像数据集，包括来自 45 名心肌病患者的辅助 CMR 序列以及 LGE CMR。其旨在开发新算法，并对现有 LGE CMR 分割算法进行基准测试和客观比较。此外，配对的 MS-CMR 图像可使算法结合其他序列的互补信息以分割 LGE CMR。九项代表性工作被选取用于评估和比较，其中三种为无监督方法，其余六种为有监督方法。结果表明，九种方法的平均性能与观察者间差异相当。这些方法的成功主要归因于包含了来自 MS-CMR 图像的辅助序列，其为深度神经网络的训练提供了重要标签信息。
引用
@article{arxiv.2006.12434,
title = {Cardiac Segmentation on Late Gadolinium Enhancement MRI: A Benchmark Study from Multi-Sequence Cardiac MR Segmentation Challenge},
author = {Xiahai Zhuang and Jiahang Xu and Xinzhe Luo and Chen Chen and Cheng Ouyang and Daniel Rueckert and Victor M. Campello and Karim Lekadir and Sulaiman Vesal and Nishant RaviKumar and Yashu Liu and Gongning Luo and Jingkun Chen and Hongwei Li and Buntheng Ly and Maxime Sermesant and Holger Roth and Wentao Zhu and Jiexiang Wang and Xinghao Ding and Xinyue Wang and Sen Yang and Lei Li},
journal= {arXiv preprint arXiv:2006.12434},
year = {2021}
}
备注
14 pages