基于深度 Q 学习驱动与几何感知 U-Net 的 CT 胰腺分割
计算机视觉与模式识别
2019-04-22 v1 人工智能
摘要
胰腺分割对于医学图像分析十分重要，但其面临着类不平衡、背景干扰和非刚性几何特征的巨大挑战。为应对这些困难，我们引入了一种由 Deep Q Network（DQN）驱动的方法，结合可变形 U-Net，通过显式地与上下文信息交互并从胰腺中提取各向异性特征来精确分割胰腺。该基于 DQN 的模型学习一种上下文自适应的定位策略，以生成视觉上紧致且精确的胰腺定位边界框。此外，可变形 U-Net 通过学习几何可变形滤波器进行特征提取，从而捕获胰腺的几何感知信息。在 NIH 数据集上的实验验证了所提框架在胰腺分割中的有效性。
引用
@article{arxiv.1904.09120,
title = {Deep Q Learning Driven CT Pancreas Segmentation with Geometry-Aware U-Net},
author = {Yunze Man and Yangsibo Huang and Junyi Feng and Xi Li and Fei Wu},
journal= {arXiv preprint arXiv:1904.09120},
year = {2019}
}
备注
in IEEE Transactions on Medical Imaging (2019)