基于迁移学习的呼吸运动伪影下心脏分割
图像与视频处理
2022-09-21 v1 计算机视觉与模式识别
摘要
在进行心室分割时，对心脏磁共振成像（MRI）中的伪影具有鲁棒性的方法，对于确保这些组织结构与功能分析的质量至关重要。尽管在改进算法质量方面已有显著努力，但很少有工作解决伪影在预测中造成的损害。在本工作中，我们研究了预训练网络的微调，以提高先前方法对这些伪影的鲁棒性。在我们提出的方法中，我们广泛采用了模拟这些伪影的数据增强。结果显著改善了基线分割（Dice 分数提升达 0.06，Hausdorff 距离改善 4mm）。
引用
@article{arxiv.2209.09714,
title = {Cardiac Segmentation using Transfer Learning under Respiratory Motion Artifacts},
author = {Carles Garcia-Cabrera and Eric Arazo and Kathleen M. Curran and Noel E. O'Connor and Kevin McGuinness},
journal= {arXiv preprint arXiv:2209.09714},
year = {2022}
}
备注
accepted for the STACOM2022 workshop @ MICCAI2022