CaRe-CNN：用于伴有微血管阻塞的心肌梗死分割的级联精炼 CNN

Franz Thaler; Matthias A. F. Gsell; Gernot Plank; Martin Urschler

CaRe-CNN：用于伴有微血管阻塞的心肌梗死分割的级联精炼 CNN

计算机视觉与模式识别 2023-12-20 v2 机器学习

作者: Franz Thaler , Matthias A. F. Gsell , Gernot Plank , Martin Urschler

摘要

晚期钆增强（LGE）磁共振（MR）成像被广泛用于评估急性心肌梗死（MI）患者心肌组织的存活性。我们提出了级联精炼 CNN（CaRe-CNN），这是一个完全 3D、端到端训练的 3 阶段 CNN 级联，利用此类标注心脏数据的层次结构。在级联的三个阶段中，标签定义发生变化，CaRe-CNN 学习相应地逐步精炼其中间预测。此外，为了获得更一致的定性预测，我们提出了一系列考虑解剖学约束的后处理步骤。我们的 CaRe-CNN 被提交至 FIMH 2023 MYOSAIQ 挑战赛，在 18 支参赛队伍中排名第二。CaRe-CNN 显示出巨大的改进，尤其是在分割困难但临床最相关的心肌梗死组织（MIT）以及微血管阻塞（MVO）时。在计算所有标签的平均分数时，我们的方法在十项指标中的八项获得了最佳分数。因此，通过 CaRe-CNN 进行急性心肌梗死后的准确心脏分割，允许生成患者特定的心脏模型，这是迈向个性化医疗的重要一步。

关键词

心肌梗死分割微血管阻塞 CNN 级联晚期钆增强成像心脏分割

引用

@article{arxiv.2312.11315,
  title  = {CaRe-CNN: Cascading Refinement CNN for Myocardial Infarct Segmentation with Microvascular Obstructions},
  author = {Franz Thaler and Matthias A. F. Gsell and Gernot Plank and Martin Urschler},
  journal= {arXiv preprint arXiv:2312.11315},
  year   = {2023}
}

备注

Accepted at VISIGRAPP 2024, 12 pages

CaRe-CNN：用于伴有微血管阻塞的心肌梗死分割的级联精炼 CNN

摘要

关键词

引用

备注

相关论文