放射学数据的全息可视化与基于自动化机器学习的医学图像分割
计算机视觉与模式识别
2018-08-16 v1 机器学习
摘要
本论文提出一个将增强现实(AR)硬件与机器学习结合于面向用户流水线中的平台，为医务人员提供体积极算机断层扫描(CT)与磁共振成像(MRI)医学图像分割在 AR 头显内的直观 3D 可视化，其无需人工干预即可加载、处理与分割医学图像。基于 Microsoft HoloLens 的 AR 可视化采用模块化因而可扩展的前端-后端架构，用于多台 AR 头显上的实时可视化。由于卷积神经网络(CNNs)近期在图像语义分割这一机器学习任务上展现出优越性能，该流水线还包含一种全自动 CNN 算法用于从 CT 扫描中分割肝脏。该模型基于深度视网膜图像理解(DRIU)模型，这是一个具有来自不同分辨率特征图的侧输出的全卷积网络，这些特征图在网络的不同阶段提取。该算法为 2.5D，即输入是一组连续的扫描切片。实验在肝脏肿瘤分割挑战(LiTS)数据集上进行肝脏分割，展示了良好的结果与灵活性。尽管该领域已有多种方法，其中仅有少数聚焦于克服实际层面的问题，而这些正是使该技术远离手术室的主要障碍。据此，我们也计划下一步在真实环境中由医师与放射科医生进行评估。
引用
@article{arxiv.1808.04929,
title = {Holographic Visualisation of Radiology Data and Automated Machine Learning-based Medical Image Segmentation},
author = {Lucian Trestioreanu},
journal= {arXiv preprint arXiv:1808.04929},
year = {2018}
}