基于 CNN 的 IVUS 图像中管腔与中膜边界的闭合多边形链自动分割
图像与视频处理
2023-10-02 v1 信号处理
摘要
我们提出了一种针对血管内超声(IVUS)图像中具不规则轮廓的管腔与中膜的自动分割方法。与大多数将每个像素宽泛标记为管腔、中膜或背景的方法不同，我们提出用闭合多边形链来近似管腔与中膜轮廓。链顶点置于通过将整个 360° 角空间划分为等间距角度所获得的固定角度上，并使用自适应子带分解 CNN 预测其半径。训练时我们考虑两种损失函数。第一种是利用 Jaccard 度量(JM)量化预测管腔与中膜段和相应真值图像段之间相似性的新型损失函数。第二种损失函数是传统的均方误差。所提出的架构以简单 CNN 替代流行的自编码器结构作为编码器，并将解码器简化为仅连接连续预测点，从而显著降低计算成本。我们在公开可用的 IVUS-Challenge-2011 数据集上使用 JM 和 Hausdorff 距离(HD)两种性能指标评估了我们的网络。评估结果表明，我们提出的网络在大多数情况下优于最先进的管腔与中膜分割方法。
引用
@article{arxiv.2309.17406,
title = {CNN-based automatic segmentation of Lumen & Media boundaries in IVUS images using closed polygonal chains},
author = {Pavel Sinha and Ioannis Psaromiligkos and Zeljko Zilic},
journal= {arXiv preprint arXiv:2309.17406},
year = {2023}
}