FocusNetv2：基于对抗形状约束的头颈 CT 图像大小器官不平衡分割
图像与视频处理
2021-04-06 v1 计算机视觉与模式识别
摘要
放疗是一种利用辐射消灭癌细胞的治疗手段。危险器官（OARs）的勾画是放疗计划中的关键步骤，以避免对健康器官造成损伤。对于鼻咽癌，需要提前精确分割超过 20 个 OAR。该任务的挑战在于复杂的解剖结构、低对比度的器官轮廓，以及大器官与小器官之间极度不平衡的尺寸。平等对待它们的常见分割方法通常会导致小器官标注不准确。我们提出一种新颖的两阶段深度神经网络 FocusNetv2，通过自动定位、ROI-pooling 和分割小器官（采用专门设计的小器官定位与分割子网络），同时保持大器官分割精度，来解决这一挑战性问题。除我们原有的 FocusNet 外，我们对小器官采用新颖的对抗形状约束，以确保估计的小器官形状与器官形状先验知识之间的一致性。我们提出的框架在自收集的 1,164 例 CT 扫描数据集和 MICCAI 头颈自动分割挑战赛 2015 数据集上进行了广泛测试，相比 SOTA 头颈 OAR 分割方法表现出优越性能。
引用
@article{arxiv.2104.01771,
title = {FocusNetv2: Imbalanced Large and Small Organ Segmentation with Adversarial Shape Constraint for Head and Neck CT Images},
author = {Yunhe Gao and Rui Huang and Yiwei Yang and Jie Zhang and Kainan Shao and Changjuan Tao and Yuanyuan Chen and Dimitris N. Metaxas and Hongsheng Li and Ming Chen},
journal= {arXiv preprint arXiv:2104.01771},
year = {2021}
}
备注
Accepted by Medical Image Analysis