结合形状先验与条件对抗网络改进MR图像中的肩胛骨分割
图像与视频处理
2020-09-16 v3 计算机视觉与模式识别
摘要
本文提出一种利用深度学习从磁共振(MR)图像中自动分割肩胛骨的方法。鉴于标注图像数量有限且异质,本工作的目的是将解剖学先验纳入条件对抗框架。我们的方法通过习得的非线性形状表示鼓励分割模型遵循底层解剖结构的全局解剖属性,而对抗贡献则通过促进逼真的描绘来精炼模型。这些贡献在一个包含15例小儿肩关节检查的数据集上进行了评估,并与包括UNet及近期衍生网络在内的先进架构进行比较。所取得的显著改进为肌肉骨骼疾病的术前管理带来了新视角。
引用
@article{arxiv.1910.08963,
title = {Combining Shape Priors with Conditional Adversarial Networks for Improved Scapula Segmentation in MR images},
author = {Arnaud Boutillon and Bhushan Borotikar and Valérie Burdin and Pierre-Henri Conze},
journal= {arXiv preprint arXiv:1910.08963},
year = {2020}
}