通过分类器引导的两阶段网络与全切片信息融合 Transformer 增强心脏 MRI 分割
图像与视频处理
2023-09-06 v1
摘要
心脏磁共振成像（CMR）是评估心脏功能的金标准。在 CMR 图像中分割左心室（LV）、右心室（RV）与 LV 心肌（MYO）至关重要但耗时。基于深度学习的分割方法已成为自动化此过程的有效工具。然而，由于心脏形状不规则且多变，尤其在基底与心尖切片中，CMR 图像带来了额外挑战。在本研究中，我们提出一种带全切片融合 transformer 的分类器引导两阶段网络，以提升 CMR 分割精度，尤其在基底与心尖切片中。我们的方法在大量临床数据集上进行了评估，并在 Dice 分数上展现出优于以往基于 CNN 与基于 transformer 模型的性能。此外，我们的方法生成了近似人工标注、视觉上令人满意的分割形状，并避免了其他模型分割中常见的孔洞或碎片等问题。
引用
@article{arxiv.2309.00800,
title = {Enhancing Cardiac MRI Segmentation via Classifier-Guided Two-Stage Network and All-Slice Information Fusion Transformer},
author = {Zihao Chen and Xiao Chen and Yikang Liu and Eric Z. Chen and Terrence Chen and Shanhui Sun},
journal= {arXiv preprint arXiv:2309.00800},
year = {2023}
}
备注
Accepted by 2023 MICCAI AMAI workshop