用于超声图像分割的对比渲染方法
图像与视频处理
2020-10-13 v1 计算机视觉与模式识别
机器学习
摘要
超声(US)图像分割在深度学习时代取得了显著进展。然而,超声图像中缺乏清晰边界仍是分割的固有挑战。以往方法常借助全局上下文、多尺度线索或辅助引导来估计边界。这些方法难以实现像素级学习以生成细粒度边界。在本文中,我们提出一种新颖且有效的框架来改善超声图像中的边界估计。我们的工作有三个亮点。首先,我们提出将边界估计表述为一项渲染任务,该任务能够识别模糊点(像素/体素)并通过丰富的特征表示学习来校准边界预测。其次,我们引入逐点对比学习,以增强同类点的相似性并对比性地降低不同类点之间的相似性。从而进一步解决边界模糊问题。第三,渲染与对比学习任务均有助于持续提升性能,同时减少网络参数。作为概念验证,我们在一个包含86个卵巢超声容积的具有挑战性的数据集上进行了验证实验。结果表明,我们提出的方法优于最先进的方法,并具有用于临床实践的潜力。
引用
@article{arxiv.2010.04928,
title = {Contrastive Rendering for Ultrasound Image Segmentation},
author = {Haoming Li and Xin Yang and Jiamin Liang and Wenlong Shi and Chaoyu Chen and Haoran Dou and Rui Li and Rui Gao and Guangquan Zhou and Jinghui Fang and Xiaowen Liang and Ruobing Huang and Alejandro Frangi and Zhiyi Chen and Dong Ni},
journal= {arXiv preprint arXiv:2010.04928},
year = {2020}
}
备注
10 pages, 5 figures, 2 tables, 13 references