Deep LF-Net：基于印度胸部X线影像（含重症图像）的语义肺分割
图像与视频处理
2020-11-20 v1 计算机视觉与模式识别
摘要
胸部放射影像，通常称为胸部X线（CxR），在各种肺部疾病（如肺癌、结核病、肺炎等）的诊断中发挥关键作用。肺的自动分割是设计计算机辅助诊断工具以检查 CxR 的重要步骤。由于健康问题、年龄和性别引起的肺形状差异，精确肺分割被认为极具挑战性。本文工作研究使用高效深度卷积神经网络从 CxR 中准确分割肺。我们尝试端到端的 DeepLabv3+ 网络，其集成了 DeepLab 架构、编码器-解码器与空洞卷积，用于语义肺分割，具有训练快、精度高的特点。我们以不同的预训练基网络（Resnet18 与 Mobilenetv2）结合 Deeplabv3+ 模型进行性能分析实验。所提方法在将胸部X线图像送入神经网络前无需任何预处理技术。形态学操作被用于去除语义分割中出现的假阳性。我们构建了包含印度人群的 CxR 数据集，其中有临床确诊的结核病、慢性阻塞性肺疾病、间质性肺病、胸腔积液及肺癌患者的健康与不健康 CxR。所提方法在我们含严重异常发现的 688 张印度 CxR 数据集图像上测试以验证其鲁棒性。我们还在常用基准数据集（如日本放射技术学会、美国蒙哥马利县、中国深圳）上进行实验以进行 SOTA 对比。我们的方法性能与文献中技术对比，在印度与公共数据集上取得了肺分割的最高精度。
引用
@article{arxiv.2011.09695,
title = {Deep LF-Net: Semantic Lung Segmentation from Indian Chest Radiographs Including Severely Unhealthy Images},
author = {Anushikha Singh and Brejesh Lall and B. K. Panigrahi and Anjali Agrawal and Anurag Agrawal and DJ Christopher and Balamugesh Thangakunam},
journal= {arXiv preprint arXiv:2011.09695},
year = {2020}
}