面向多模态多任务医学图像分割的深度学习
计算机视觉与模式识别
2017-04-12 v1
摘要
医学图像的自动分割是许多临床应用的重要任务。实践中，广泛使用不同成像模态来显示各种解剖结构。本文研究是否可训练单个卷积神经网络（CNN）来执行不同的分割任务。训练单个CNN分割MR脑图像中的六种组织、MR乳腺图像中的胸肌以及心脏CTA中的冠状动脉。因此，该CNN学会识别成像模态、所显示的解剖结构和组织类别。对于三项任务（脑MRI、乳腺MRI和心脏CTA）中的每一项，这种联合训练过程产生的分割性能等同于专门针对该任务训练的CNN，证明了CNN架构的高容量。因此，单个系统可用于临床实践，在无需特定任务训练的情况下自动执行多样化的分割任务。
引用
@article{arxiv.1704.03379,
title = {Deep Learning for Multi-Task Medical Image Segmentation in Multiple Modalities},
author = {Pim Moeskops and Jelmer M. Wolterink and Bas H. M. van der Velden and Kenneth G. A. Gilhuijs and Tim Leiner and Max A. Viergever and Ivana Išgum},
journal= {arXiv preprint arXiv:1704.03379},
year = {2017}
}