基于 CNN 利用 CT 图像与存在概率图的全自动二尖瓣提取
图像与视频处理
2023-05-22 v2 计算机视觉与模式识别
摘要
从患者临床断层图像中准确提取二尖瓣形状已被证明有助于规划外科和介入二尖瓣治疗。然而，手动提取二尖瓣形状费力，且现有自动提取方法精度不足。在本文中，我们提出一种从计算机断层扫描（CT）图像中针对心动周期所有时相全自动提取二尖瓣形状的方法。该方法基于 DenseNet，以原始 CT 图像和由 U-Net 推断的二尖瓣区域存在概率图作为输入来提取二尖瓣形状。共收集了来自 204 名患有包括二尖瓣反流（MR）在内的各种心脏疾病患者的 1585 张 CT 图像，并手动标注了二尖瓣区域。所提方法使用收集的数据通过 10 折交叉验证进行训练和评估，并与不使用存在概率图的方法进行比较。所提方法的形状提取平均误差为 0.88 mm，相比不使用存在概率图的方法改善了 0.32 mm。
引用
@article{arxiv.2305.00627,
title = {CNN-based fully automatic mitral valve extraction using CT images and existence probability maps},
author = {Yukiteru Masuda and Ryo Ishikawa and Toru Tanaka and Gakuto Aoyama and Keitaro Kawashima and James V. Chapman and Masahiko Asami and Michael Huy Cuong Pham and Klaus Fuglsang Kofoed and Takuya Sakaguchi and Kiyohide Satoh},
journal= {arXiv preprint arXiv:2305.00627},
year = {2023}
}
备注
15 pages, 6 figure, 3 table. changed title, modified taipo