使用级联 3D 全卷积网络从 CT 图像中全自动分割腰椎椎体
计算机视觉与模式识别
2017-12-06 v1
摘要
我们提出一种方法来解决从具有不同视野获取的 CT 图像中分割腰椎椎体的挑战性问题。我们的方法基于级联 3D 全卷积网络 (FCNs)，由一个定位 FCN 和一个分割 FCN 组成。更具体地，第一步我们训练一个回归 3D FCN（称为“LocalizationNet”）来寻找腰椎区域的边界框。之后，开发一个类 3D U-net 的 FCN（称为“SegmentationNet”），训练后能对裁剪的腰椎区域体数据进行逐像素多类分割，将其映射到体素级标签。在公开可用数据集上评估，我们的方法取得了 95.77 0.81% 的平均 Dice 系数和 0.37 0.06 mm 的平均对称表面距离。
引用
@article{arxiv.1712.01509,
title = {Fully Automatic Segmentation of Lumbar Vertebrae from CT Images using Cascaded 3D Fully Convolutional Networks},
author = {Rens Janssens and Guodong Zeng and Guoyan Zheng},
journal= {arXiv preprint arXiv:1712.01509},
year = {2017}
}
备注
5 pages and 5 figures