仅使用首层切片的混合森林左心室分割方法
计算机视觉与模式识别
2018-05-01 v1
摘要
机器学习模型在许多 MRI 图像分割中取得了最先进的结果。然而，这些模型大多在来自专家手动标注的非常大规模数据集上训练。该标注过程非常耗时且耗费专家工作。因此，寻找一种降低此成本的方法需求迫切。在本文中，我们提出一种利用 MRI 图像序列结构以几乎免除该标注任务的分割方法。仅需手动标注第一层切片来训练模型，随后模型推断下一层切片的分割。推断结果作为另一数据用于再次训练模型。更新后的模型再推断第三层切片，并重复相同过程直至最后一层切片。所提出的模型是两种随机森林算法的组合：经典的随机森林与一种近期提出的即 Mondrian Forests。我们将该方法应用于人类左心室分割，结果非常有前景。该方法也可用于生成标签。
引用
@article{arxiv.1804.11317,
title = {Hybrid Forests for Left Ventricle Segmentation using only the first slice label},
author = {Ismaël Koné and Lahsen Boulmane},
journal= {arXiv preprint arXiv:1804.11317},
year = {2018}
}
备注
5 pages, 4 figures, 3rd International Conference on Intelligent System and Computer Vision (ISCV 2018), Fez, Morocco