CTG-Net：一种由终端引导机制驱动的高效级联框架用于扩张胰管分割
计算机视觉与模式识别
2023-03-07 v1
摘要
胰管扩张表明患多种胰腺疾病的高风险。在计算机断层扫描（CT）图像上分割扩张胰管显示出辅助早期诊断、手术规划和预后的潜力。由于胰管尺寸微小、管状结构细长以及周围干扰，当前大多数胰管分割研究精度较低，且常在胰管末端部分出现分割错误。为解决这些问题，我们提出一种称为级联终端引导网络（CTG-Net）的终端引导机制。首先，在由粗预测提取的骨架之上建立终端注意力机制。然后，为获得精细的末端分割，设计一个子网络用于联合学习原始图像的局部强度、粗预测的特征线索以及来自胰腺距离变换图的全局解剖信息。最后，提出一个显式学习终端干扰分布的终端干扰注意力模块，以减少假阳性和假阴性预测。我们还提出一种称为tDice的新指标用于度量具有管状结构目标的终端分割精度，以及两种针对干扰的分割指标。我们收集了包含5类胰腺肿瘤患者150份CT扫描的扩张胰管分割数据集。在我们数据集上的实验结果表明，与已有结果相比，所提方法将扩张胰管分割精度提升了近20%，且相比最先进方法在终端分割精度上实现了超过9%的改进。
引用
@article{arxiv.2303.02944,
title = {CTG-Net: An Efficient Cascaded Framework Driven by Terminal Guidance Mechanism for Dilated Pancreatic Duct Segmentation},
author = {Liwen Zou and Zhenghua Cai and Yudong Qiu and Luying Gui and Liang Mao and Xiaoping Yang},
journal= {arXiv preprint arXiv:2303.02944},
year = {2023}
}