双分支先验-分割网：用于介入式 CBCT 的融合规划扫描与辅助分割损失的 CNN
图像与视频处理
2022-05-24 v1 计算机视觉与模式识别
机器学习
摘要
本文提出对双分支先验网（Dual Branch Prior-Net）的扩展，用于结合高质量规划扫描的稀疏视角介入式 CBCT 重建。一个额外的头学习分割介入器械，从而引导重建任务。在训练期间，先验扫描在平面内未对齐达 ±5 度。实验表明，所提出的模型 Dual Branch Prior-SegNet 以 >2.8dB PSNR 显著优于其他任何被评估的模型。它对于高达 ±5.5 度的旋转也保持鲁棒。
引用
@article{arxiv.2205.10353,
title = {Dual Branch Prior-SegNet: CNN for Interventional CBCT using Planning Scan and Auxiliary Segmentation Loss},
author = {Philipp Ernst and Suhita Ghosh and Georg Rose and Andreas Nürnberger},
journal= {arXiv preprint arXiv:2205.10353},
year = {2022}
}
备注
3 pages, 1 figure, accepted short paper submission at MIDL 2022