利用深度卷积神经网络与无迹卡尔曼滤波从解剖学电影长轴 MRI 序列中全自动分割左心房
计算机视觉与模式识别
2020-11-30 v2 图像与视频处理
摘要
本研究提出一种全自动方法,利用深度卷积神经网络与贝叶斯滤波从常规电影长轴心脏磁共振图像序列中分割左心房。所提方法包含一个自动检测长轴序列类型的分类网络,以及三个不同的卷积神经网络模型,其后接无迹卡尔曼滤波(UKF)以描绘左心房。该方法并非将所有长轴序列类型一起训练与预测,而是首先识别图像序列类型为 2、3 和 4 腔视图,然后基于为该特定序列类型训练的神经网络进行预测。数据集为回顾性采集,真值手动分割由专家放射科医生提供。除基于神经网络的分类与分割外,另训练并利用了另一个神经网络来选择图像序列,以使用 UKF 进行进一步处理,从而在心动周期上施加时间一致性。UKF 中引入了具有时变角频率的循环动态模型,以表征扫描期间心脏运动的变异。所提方法分别使用来自 20、40、60 和 80 名患者的图像以不同数量的训练数据进行训练与评估。对来自额外 20 名患者、各腔组图像数量相等的 1515 张图像进行的评估表明,当使用来自 80 名患者的数据集训练时,所提模型优于当前最优方法,对 2、3 和 4 腔序列分别产生了 94.1%、93.7% 和 90.1% 的平均 Dice 系数值。
引用
@article{arxiv.2009.13627,
title = {Fully Automated Left Atrium Segmentation from Anatomical Cine Long-axis MRI Sequences using Deep Convolutional Neural Network with Unscented Kalman Filter},
author = {Xiaoran Zhang and Michelle Noga and David Glynn Martin and Kumaradevan Punithakumar},
journal= {arXiv preprint arXiv:2009.13627},
year = {2020}
}
备注
Accepted by Medical Image Analysis 2020