基于注意力与堆叠图像自适应的可泛化心脏结构分割
图像与视频处理
2020-09-17 v2 计算机视觉与模式识别
摘要
在多中心和多厂商数据集中应对域偏移对心脏图像分割而言仍具挑战性。本文提出一种用于心脏图像分割的可泛化分割框架，其中涉及多中心、多厂商、多种疾病的数据集。我们提出一种带注意力损失的生成对抗网络（generative adversarial networks），将现有源域的图像转换到目标域，从而生成高质量的合成心脏结构并扩充训练集。进一步使用一组堆叠的数据增强技术来模拟真实世界的变换，以提升对未知域的分割性能。在四个厂商的隐藏验证集上，我们对左心室、心肌和右心室分别取得了90.3%、85.9%和86.5%的平均Dice分数。我们表明，异构心脏成像数据集中的域偏移可通过两方面大幅降低：1）通过学习潜在目标域分布获得的高质量合成数据；2）用于数据增强的堆叠经典图像处理技术。
引用
@article{arxiv.2008.01216,
title = {Generalisable Cardiac Structure Segmentation via Attentional and Stacked Image Adaptation},
author = {Hongwei Li and Jianguo Zhang and Bjoern Menze},
journal= {arXiv preprint arXiv:2008.01216},
year = {2020}
}
备注
method description of our solution in M&M segmentation challenge, STACOM 2020