用于胎儿镜拼接的深度胎盘血管分割
计算机视觉与模式识别
2020-11-05 v1 机器学习
图像与视频处理
摘要
在双胎输血综合征 (TTTS) 的治疗方法——胎儿镜激光光凝术期间，临床医生首先识别异常的胎盘血管连接，并对其进行激光消融以调节两个胎儿的血流。由于环境的移动性、羊水中能见度差、偶尔的出血以及胎儿镜视场和图像质量的限制，该手术具有挑战性。理想情况下，吻合胎盘血管应被自动识别、分割并配准，以创建扩展的血管图来引导激光消融，然而此类方法尚未在临床上被采用。我们提出了一种利用 U-Net 架构在胎儿镜视频中执行胎盘血管分割的解决方案。所获得的血管概率图通过使用基于直接强度的技术配准连续的血管图，为拼接对齐提供了充分的线索。在 6 个不同的体内胎儿镜视频上的实验表明，基于血管强度的配准优于基于图像强度的配准方法，在定性和定量比较中显示出更好的鲁棒性。即使对于多达 400 帧的序列，我们还将漂移累积降低到可忽略不计的程度，并且引入了一种在缺乏真值的情况下量化漂移误差的方案。我们的论文通过贡献首个体内血管分割和胎儿镜视频数据集，为胎儿镜胎盘血管分割和配准提供了基准。
引用
@article{arxiv.2007.04349,
title = {Deep Placental Vessel Segmentation for Fetoscopic Mosaicking},
author = {Sophia Bano and Francisco Vasconcelos and Luke M. Shepherd and Emmanuel Vander Poorten and Tom Vercauteren and Sebastien Ourselin and Anna L. David and Jan Deprest and Danail Stoyanov},
journal= {arXiv preprint arXiv:2007.04349},
year = {2020}
}
备注
Accepted at MICCAI 2020