深度负体积分割
图像与视频处理
2021-09-22 v1 计算机视觉与模式识别
机器学习
摘要
复合解剖对象（如复杂关节）的三维图像数据的临床检查仍然是一项繁琐的过程，需要耗费医师的时间和专业知识。例如，颞下颌关节（TMJ）的分割任务自动化一直受其复合三维形状、多重叠加纹理、颅骨周围大量不规则结构以及下颌几乎全向的运动范围所阻碍——所有这些使得每位患者的手动标注过程延长至一个多小时。为应对这一挑战，我们提出了三维分割任务的一个新视角：即建议分割对象周围所有组织之间的空隙——所谓的负体积分割。我们的方法是一个端到端流程，包含用于骨骼分割的 V-Net，以及沿重建骨头的网格面法向量向各方向膨胀以构建三维体积。最终受限于颅骨之内，膨胀表面占据了关节内整个“负”空间，有效提供了关节健康的几何/拓扑度量。我们在由颌面医学专家标注的 50 例患者数据集的 CT 扫描上验证了该想法，定量比较了左右负体积所给出的不对称性，并使整个框架自动化以供临床采用。
引用
@article{arxiv.2006.12430,
title = {Deep Negative Volume Segmentation},
author = {Kristina Belikova and Oleg Rogov and Aleksandr Rybakov and Maxim V. Maslov and Dmitry V. Dylov},
journal= {arXiv preprint arXiv:2006.12430},
year = {2021}
}
备注
20 pages, 5 main figures, 3 tables, 11 supplemental figures, supplementary material