基于深度卷积神经网络的超声图像序列颈动脉壁分割
图像与视频处理
2022-01-31 v1 计算机视觉与模式识别
摘要
本研究的目标是在纵向超声图像上分割颈总动脉的内中膜复合体，以测量其厚度。我们提出了一种全自动的基于区域的分割方法，涉及基于扩张 U-net 网络的监督式基于区域的深度学习方法。该方法使用由两位专家标注的 2176 张图像组成的多中心数据库进行 5 折交叉验证训练和评估。与参考标注相比，所得平均绝对差异（<120 um）小于观察者间变异性（180 um）。在 98.7% 的成功率下，即仅 1.3% 的案例需要手动校正，所提方法已被证明具有鲁棒性，因此可推荐用于临床实践。
引用
@article{arxiv.2201.12152,
title = {Carotid artery wall segmentation in ultrasound image sequences using a deep convolutional neural network},
author = {Nolann Lainé and Guillaume Zahnd and Herv é Liebgott and Maciej Orkisz},
journal= {arXiv preprint arXiv:2201.12152},
year = {2022}
}
备注
5 pages, 4 figures