基于解剖学引导形状插入的胸片外物分割
计算机视觉与模式识别
2025-01-22 v1
摘要
本文针对胸部X光片中外物的实例分割问题进行了研究，这类问题在术后随访中常见，包括支架、植入设备或儿童误吞物。外物的多样性使密集标注困难，如当前数据集标注不足。为此，我们提出通过（1）插入具有不同对比度和不透明度的任意形状（线条、多边形、椭圆形），以及（2）从小规模半自动标注标签集进行切粘贴增强来生成合成数据。这些插入操作由解剖学标签引导，以确保现实的放置位置，例如支架仅出现在相关血管内。我们的 methods 使网络能够以最小的人工标注数据分割复杂结构。值得注意的是，它在使用93%更少的人工标注的情况下，达到了与完全监督模型相当的性能。
引用
@article{arxiv.2501.12022,
title = {Foreign object segmentation in chest x-rays through anatomy-guided shape insertion},
author = {Constantin Seibold and Hamza Kalisch and Lukas Heine and Simon Reiß and Jens Kleesiek},
journal= {arXiv preprint arXiv:2501.12022},
year = {2025}
}