用于先天性心脏病心血管MR分割的膨胀卷积神经网络
计算机视觉与模式识别
2017-04-13 v1
摘要
我们提出一种使用膨胀卷积神经网络（CNNs）自动分割先天性心脏病（CHD）患者心血管MR（CMR）中心肌和血池的方法。MICCAI 2016 HVSMR挑战赛提供了10个训练和10个测试的CMR扫描，裁剪到心脏周围的ROI。一个感受野为131x131体素的膨胀CNN被训练用于轴状、矢状和冠状图像切片中的心肌和血池分割。性能在HVSMR挑战赛内评估。测试扫描的自动分割产生心肌和血池的Dice指数分别为0.800.06和0.930.02，到边界的平均距离分别为0.960.31和0.890.24 mm，Hausdorff距离分别为6.133.76和7.073.01 mm。每次扫描分割耗时41.514.7 s。总之，在小规模CHD患者CMR图像集（显示大体解剖变异）上训练的膨胀CNN提供了准确的心肌和血池分割。
引用
@article{arxiv.1704.03669,
title = {Dilated Convolutional Neural Networks for Cardiovascular MR Segmentation in Congenital Heart Disease},
author = {Jelmer M. Wolterink and Tim Leiner and Max A. Viergever and Ivana Išgum},
journal= {arXiv preprint arXiv:1704.03669},
year = {2017}
}