基于ConvNet的3D医学图像中解剖结构定位
计算机视觉与模式识别
2017-04-20 v1
摘要
解剖结构定位是医学图像分析中许多任务的前提。我们提出一种通过利用卷积神经网络(ConvNet)检测一个或多个解剖结构在2D图像切片中的存在，从而实现3D医学图像中这些结构自动定位的方法。训练单一的ConvNet用于检测从3D图像中提取的轴向、冠状和矢状切片中感兴趣解剖结构的存在。为使ConvNet能分析不同尺寸的切片，采用了空间金字塔池化。检测后，通过结合ConvNet在所有切片中的输出创建3D边界框。实验中使用了200例胸部CT、100例心脏CT血管造影(CTA)和100例腹部CT扫描。在胸部CT扫描中定位了心脏、升主动脉、主动脉弓和降主动脉，在心脏CTA扫描中定位了左心室，在腹部CT扫描中定位了肝脏。定位精度通过自动与手动定义的参考边界框形心和边界之间的距离评估。边界清晰的结构（如主动脉弓）定位结果最佳，而结构边界不明显时（如肝脏）最差。该方法在定位多个结构时更具鲁棒性和准确性。
引用
@article{arxiv.1704.05629,
title = {ConvNet-Based Localization of Anatomical Structures in 3D Medical Images},
author = {Bob D. de Vos and Jelmer M. Wolterink and Pim A. de Jong and Tim Leiner and Max A. Viergever and Ivana Išgum},
journal= {arXiv preprint arXiv:1704.05629},
year = {2017}
}