体医学扫描中器官的深度序列分割
计算机视觉与模式识别
2019-03-12 v2
摘要
三维扫描中的分割在当前临床实践（支持诊断、组织量化或治疗规划）中正发挥着日益重要的作用。当前基于卷积神经网络的3D方法通常至少受限于三个主要问题，这些问题主要由实现约束引起——首先，它们需要将体数据缩放至较低分辨率的参考维度；其次，由于内存限制，此类方法的容量非常有限；第三，在任意给定的训练或测试时刻，体数据的所有切片都必须可用。我们通过一个类U-Net架构来解决这些问题，该架构由双向卷积LSTM以及卷积、池化、上采样和拼接层组成，并被封装在time-distributed包装器中。我们的网络既可以以序列方式处理完整体数据，也可以按需分割切片块。我们在3D CT扫描的椎骨和肝脏分割任务上展示了我们架构的性能。
引用
@article{arxiv.1807.02437,
title = {Deep Sequential Segmentation of Organs in Volumetric Medical Scans},
author = {Alexey Novikov and David Major and Maria Wimmer and Dimitrios Lenis and Katja Bühler},
journal= {arXiv preprint arXiv:1807.02437},
year = {2019}
}