面向超声成像的深度对抗上下文感知标志点检测
计算机视觉与模式识别
2018-05-29 v1
摘要
经直肠超声图像中前列腺的实时定位是自动化超声引导前列腺活检程序所需的一项关键技术。本文提出一种基于深度学习的新方法，旨在高效且鲁棒地定位多个前列腺标志点。我们提出一种多任务学习方法，主要目的是使整体算法更具上下文感知能力。在该方法中，我们不仅考虑标志点位置的显式学习，还内置了一种学习前列腺轮廓的机制。该多任务学习进一步与一个对抗分支相结合，以促进可行结构的生成。我们使用约4000张标注的经直肠超声图像训练了该网络，并在具有真实标志点位置的独立图像集上进行了测试。我们采用对抗训练的多任务方法取得了92.6%的总体Dice分数，显著优于仅学习标志点位置所得到的88.3%的Dice分数。与仅学习标志点位置相比，采用对抗多任务方法的整体平均距离误差也改善了20%，同时降低了误差的标准差。在计算复杂度方面，两种方法均可在配备标准CUDA支持GPU的标准计算机上实时处理图像。
引用
@article{arxiv.1805.10737,
title = {Deep Adversarial Context-Aware Landmark Detection for Ultrasound Imaging},
author = {Ahmet Tuysuzoglu and Jeremy Tan and Kareem Eissa and Atilla P. Kiraly and Mamadou Diallo and Ali Kamen},
journal= {arXiv preprint arXiv:1805.10737},
year = {2018}
}