利用方向融合全卷积网络改进三维心脏超声中的导管分割与定位
计算机视觉与模式识别
2019-02-18 v1
摘要
在心脏导管插入术中利用无害的三维超声(US)快速准确地检测导管可提升介入效率与结果。然而,US 的低图像质量需要超声医师额外训练以定位导管。本文中,我们提出一种基于预训练 VGG 网络的导管检测方法,其通过重新组织的截面利用三维信息,由共享全卷积网络(FCN)分割导管,称为方向融合 FCN(DF-FCN)。基于 DF-FCN 的分割图像,可通过模型拟合定位导管。我们的实验表明,所提方法能成功检测具有挑战性的离体三维 US 数据集(采集于猪心)中的消融导管。大量分析显示,所提方法达到 57.7% 的 Dice 分数,相较最先进的器械检测方法至少提升 11.8%。由于 DF-FCN 改进的分割性能,导管可被定位至仅 1.4 mm 的误差。
引用
@article{arxiv.1902.05582,
title = {Improving Catheter Segmentation & Localization in 3D Cardiac Ultrasound Using Direction-Fused FCN},
author = {Hongxu Yang and Caifeng Shan and Alexander F. Kolen and Peter H. N. de With},
journal= {arXiv preprint arXiv:1902.05582},
year = {2019}
}
备注
ISBI 2019 accepted