DINs：用于 1 型神经纤维瘤病全身 MRI 中神经纤维瘤分割的深度交互网络
计算机视觉与模式识别
2021-06-14 v1
摘要
1 型神经纤维瘤病（NF1）是一种累及中枢与外周神经系统的常染色体显性肿瘤易感综合征。准确检测与分割神经纤维瘤对于评估肿瘤负荷及纵向肿瘤大小变化至关重要。自动卷积神经网络（CNNs）由于肿瘤在 MRI 上解剖位置多变且表观异质，表现出敏感性与脆弱性。本研究提出深度交互网络（DINs）以解决上述局限。用户交互引导模型识别复杂肿瘤并快速适应异质肿瘤。我们引入一种简单而有效的指数距离变换（ExpDT），将用户交互转换为作为空间与表观先验的引导图。与流行的欧氏距离和测地距离相比，ExpDT 对多种图像尺寸更鲁棒，且保留了交互输入的分布。此外，为增强肿瘤相关特征，我们设计了深度交互模块将引导传播至更深层。我们在来自 NF1 患者的三个 MRI 数据集上训练并评估 DINs。实验结果显示，与自动化方法及其他交互方法相比，DSC 分别显著提升了 44% 和 14%。我们还通过实验证明了 DINs 相比传统交互方法在减轻用户负担上的高效性。我们的方法源代码见 \url{https://github.com/Jarvis73/DINs}。
引用
@article{arxiv.2106.03388,
title = {DINs: Deep Interactive Networks for Neurofibroma Segmentation in Neurofibromatosis Type 1 on Whole-Body MRI},
author = {Jian-Wei Zhang and Wei Chen and K. Ina Ly and Xubin Zhang and Fan Yan and Justin Jordan and Gordon Harris and Scott Plotkin and Pengyi Hao and Wenli Cai},
journal= {arXiv preprint arXiv:2106.03388},
year = {2021}
}
备注
Accepted by IEEE Journal of Biomedical and Health Informatics (JBHI)