基于时空一致性的深度学习在超声图像神经分割中的应用
计算机视觉与模式识别
2017-06-20 v1
摘要
近年来，超声引导下区域麻醉（UGRA）的重要性日益凸显，与神经定位的替代方法（神经刺激或感觉异常）相比，它具有众多优势。然而，神经检测是麻醉师在 UGRA 手术中可能遇到的最具挑战性的任务之一。能够自动检测神经区域的计算机辅助系统将帮助从业者更专注于麻醉剂的注射。在本文中，我们提出了一种基于深度学习结合时空信息的新方法，以稳健地分割神经区域。所提出的方法基于两个阶段：定位和分割。第一阶段使用卷积神经网络结合空间和时间一致性来检测神经区域。第二阶段利用主动轮廓模型来描绘感兴趣区域。获得的结果证明了所提方法的有效性和鲁棒性。
引用
@article{arxiv.1706.05870,
title = {Deep learning with spatiotemporal consistency for nerve segmentation in ultrasound images},
author = {Adel Hafiane and Pierre Vieyres and Alain Delbos},
journal= {arXiv preprint arXiv:1706.05870},
year = {2017}
}