CardiacNET：使用多视图 CNN 从 MRI 中分割左心房与近端肺静脉
计算机视觉与模式识别
2017-05-23 v2 机器学习
摘要
左心房（LA）和近端肺静脉（PPVs）的解剖与生物物理建模对于多种心脏疾病的临床管理具有重要意义。磁共振成像（MRI）允许通过可视化对 LA 和 PPVs 进行定性评估。然而，强烈需要一种应用于心脏 MRI 的高级图像分割方法，以对 LA 和 PPVs 进行定量分析。在本研究中，我们通过探索一种新的基于深度学习的分割策略来解决这一未满足的临床需求，以高精度和高效率对 LA 和 PPVs 进行量化。我们的方法基于多视图卷积神经网络（CNN），采用自适应融合策略和一种新的损失函数，使得基于反向传播的优化能够快速且更准确地收敛。通过使用超过 60,000 张 2D MRI 图像（切片）从头训练我们的网络后，我们在 STACOM 2013 心脏分割挑战基准上评估了我们的分割策略。从分割挑战中获得的定性和定量评估表明，所提出的方法达到了当前最先进的灵敏度（90%）、特异性（99%）、精确度（94%）和效率水平（在 GPU 上 10 秒，在 CPU 上 7.5 分钟）。
引用
@article{arxiv.1705.06333,
title = {CardiacNET: Segmentation of Left Atrium and Proximal Pulmonary Veins from MRI Using Multi-View CNN},
author = {Aliasghar Mortazi and Rashed Karim and Kawal Rhode and Jeremy Burt and Ulas Bagci},
journal= {arXiv preprint arXiv:1705.06333},
year = {2017}
}
备注
The paper is accepted by MICCAI 2017 for publication