用于 CT 中器官定位的深度强化学习
图像与视频处理
2020-05-12 v1 计算机视觉与模式识别
机器学习
摘要
在计算机断层扫描中稳健地定位器官，是器官特异性图像检索、放疗规划和介入图像分析一项持续的预处理需求。与当前基于穷举搜索或区域提议、需要大量标注数据的方案不同，我们提出了一种用于 CT 中器官定位的深度强化学习方法。在本工作中，一个人工智能体通过从自身的正确与错误中学习，主动自学在 CT 中定位器官。在强化学习框架下，我们提出了一组专为 CT 中器官定位定制的新动作。我们的方法可作为即插即用模块用于定位任意感兴趣的器官。我们在包含具有不同视野和多器官的 CT 扫描的公开 VISCERAL 数据集上评估了所提出的方案。我们取得了 0.63 的总体交并比、2.25 mm 的绝对中位壁距离，以及 3.65 mm 的质心间中位距离。
引用
@article{arxiv.2005.04974,
title = {Deep Reinforcement Learning for Organ Localization in CT},
author = {Fernando Navarro and Anjany Sekuboyina and Diana Waldmannstetter and Jan C. Peeken and Stephanie E. Combs and Bjoern H. Menze},
journal= {arXiv preprint arXiv:2005.04974},
year = {2020}
}
备注
Accepted paper in MIDL 2020