DeU-Net：用于三维心脏MRI视频分割的可变形U-Net
图像与视频处理
2020-07-14 v1 计算机视觉与模式识别
摘要
心脏磁共振成像（MRI）的自动分割有助于临床应用中高效且准确的容积测量。然而，由于各向异性分辨率与边界模糊（如右心室心内膜），现有方法在三维心脏MRI视频分割中的精度与鲁棒性下降。本文提出一种新颖的可变形U-Net（DeU-Net），以充分挖掘三维心脏MRI视频中的时空信息，包括时间可变形聚合模块（TDAM）与可变形全局位置注意力（DGPA）网络。首先，TDAM以心脏MRI视频片段为输入，由偏移预测网络提取时间信息；随后我们通过时间聚合可变形卷积融合所提取的时间信息以生成融合特征图。此外，为聚合有意义的特征，我们设计DGPA网络，采用可变形注意力U-Net，可将更广泛的多维上下文信息编码为全局与局部特征。实验结果表明，我们的DeU-Net在常用评价指标上达到最先进性能，尤其对于心脏边缘信息（ASSD与HD）。
引用
@article{arxiv.2007.06341,
title = {DeU-Net: Deformable U-Net for 3D Cardiac MRI Video Segmentation},
author = {Shunjie Dong and Jinlong Zhao and Maojun Zhang and Zhengxue Shi and Jianing Deng and Yiyu Shi and Mei Tian and Cheng Zhuo},
journal= {arXiv preprint arXiv:2007.06341},
year = {2020}
}