基于 Trans-Dimensional 先验的多视角心脏图像分割
数据结构与算法
2024-05-07 v3 计算复杂性
密码学与安全
机器学习
摘要
我们提出一种新型的多阶段 Trans-Dimensional 架构用于多视角心脏图像分割。该方法利用长轴(2D)和短轴(3D)磁共振(MR)图像之间的关系，实现从 3D 到 2D 再到 3D 的序列式分割。第一阶段使用短轴图像进行 3D 分割，并将预测结果转换至长轴视图作为下一阶段的分割先验。第二步中，利用心脏局部化与裁剪(HLC)模块将心脏区域围绕分割先验定位并裁剪，聚焦于图像的心脏区域进行 2D 分割。随后将长轴预测转换至短轴视图，进行局部化、裁剪并再次进行 3D 分割，以细化初始的短轴分割结果。我们在 Multi-Disease, Multi-View & Multi-Center Right Ventricular Segmentation in Cardiac MRI (M&Ms-2) 数据集上进行评估，该数据集中，我们的方法在分割长轴和短轴图像中的心脏感兴趣区域方面优于当前的先进方法。预训练模型、源代码和实现细节将公开 disponible。
引用
@article{arxiv.2404.16706,
title = {Efficient and Near-Optimal Noise Generation for Streaming Differential Privacy},
author = {Krishnamurthy Dvijotham and H. Brendan McMahan and Krishna Pillutla and Thomas Steinke and Abhradeep Thakurta},
journal= {arXiv preprint arXiv:2404.16706},
year = {2024}
}