面向腹部多器官分割的高效上下文感知网络
图像与视频处理
2021-11-01 v4 计算机视觉与模式识别
摘要
腹部 CT 扫描中呈现的上下文信息相对一致。为充分利用整体 3D 上下文，我们提出了一种基于全体积的由粗到细框架，用于高效且有效的腹部多器官分割。我们提出了一种新的 efficientSegNet 网络，由基础编码器、精简解码器和高效上下文块组成。对于解码器模块，设计了各向异性卷积，包含 k*k*1 的片内卷积和 1*1*k 的片间卷积，以减轻计算负担。对于上下文块，我们提出条带池化模块以捕获腹部场景中存在的各向异性和长距离上下文信息。在 FLARE2021 验证病例上的定量评估表明，该方法取得了 0.895 的平均 Dice 相似系数（DSC）和 0.775 的平均归一化表面距离（NSD）。该方法在 2021-MICCAI-FLARE 挑战赛中荣获第一名。代码与模型见 https://github.com/Shanghai-Aitrox-Technology/EfficientSegmentation。
引用
@article{arxiv.2109.10601,
title = {Efficient Context-Aware Network for Abdominal Multi-organ Segmentation},
author = {Fan Zhang and Yu Wang and Hua Yang},
journal= {arXiv preprint arXiv:2109.10601},
year = {2021}
}