用于 MRI 中心脏定位与分割的卷积模块
图像与视频处理
2022-05-03 v1 人工智能
计算机视觉与模式识别
摘要
磁共振成像（MRI）是一种广为人知的用于评估心脏功能的医学成像技术。深度学习（DL）模型在心脏 MRI（CMR）图像中以良好效能执行多项任务，如分割、估计与疾病检测。许多基于卷积神经网络（CNN）的 DL 模型通过自动或手工检测感兴趣区域（ROI）得到改进。在本文中，我们描述 Visual-Motion-Focus（VMF），一个在 4D MRI 序列中检测心脏运动并通过将径向基函数（RBF）聚焦于估计运动场来高亮 ROI 的模块。我们在三个 CMR 数据集上实验并评估了 VMF，观察到所提 ROI 覆盖了 99.7% 的数据标签（召回率得分），在 ROI 提取后使 CNN 分割（平均 Dice 得分）提升 1.7（p < .001），并将整体训练速度提升 2.5 倍（+150%）。
引用
@article{arxiv.2107.09134,
title = {Convolutional module for heart localization and segmentation in MRI},
author = {Daniel Lima and Catharine Graves and Marco Gutierrez and Bruno Brandoli and Jose Rodrigues-Jr},
journal= {arXiv preprint arXiv:2107.09134},
year = {2022}
}
备注
Submitted to CMIG