基于边界距离回归网络在临床超声图像中全自动分割肾脏
计算机视觉与模式识别
2019-01-09 v1
摘要
尽管半自动方法已取得有前景的性能，但由于肾脏形状和图像强度分布的多样性，在临床超声图像中自动分割肾脏仍然具有挑战性。在本研究中，我们利用肾脏边界在外观上跨图像相对一致这一事实，开发了一种新颖的边界距离回归深度神经网络来分割肾脏。具体而言，我们首先使用为自然图像分类预训练的深度神经网络从超声图像中提取高层图像特征，然后将这些特征图作为输入，利用边界距离回归网络学习肾脏边界距离图，最后以端到端学习的方式使用像素分类网络将预测的边界距离图分类为肾脏像素或非肾脏像素。实验结果表明，我们的方法能有效提升自动肾脏分割的性能，显著优于基于深度学习的像素分类网络。
引用
@article{arxiv.1901.01982,
title = {Fully-automatic segmentation of kidneys in clinical ultrasound images using a boundary distance regression network},
author = {Shi Yin and Zhengqiang Zhang and Hongming Li and Qinmu Peng and Xinge You and Susan L. Furth and Gregory E. Tasian and Yong Fan},
journal= {arXiv preprint arXiv:1901.01982},
year = {2019}
}
备注
4 pages. arXiv admin note: substantial text overlap with arXiv:1811.04815