利用强度分布监督改善 CT 扫描中病灶的分割与检测
图像与视频处理
2023-07-13 v1 计算机视觉与模式识别
摘要
我们提出一种在训练分割与检测网络时融入 CT 扫描上目标病灶强度信息的方法。我们首先从目标病灶的强度直方图构建基于强度的病灶概率 (ILP) 函数。它用于根据每个体素的强度计算其为病灶的概率。最后，每张输入 CT 扫描计算所得的 ILP 图作为额外监督用于网络训练，旨在以强度值告知网络可能的病灶位置，且不产生额外标注成本。该方法被应用于改善三类不同病灶的分割，即小肠类癌肿瘤、肾脏肿瘤与肺结节。所提方法在检测任务上的有效性亦得到探究。我们观察到在逐例 Dice 分数上，小肠类癌肿瘤、肾脏肿瘤与肺结节的分割分别由 41.3% -> 47.8%、74.2% -> 76.0% 与 26.4% -> 32.7% 得到提升。在平均精度上，肾脏肿瘤检测由 64.6% -> 75.5% 实现提升。文中亦给出了 ILP 图不同使用方式及训练数据量变化的影响。
引用
@article{arxiv.2307.05804,
title = {Improving Segmentation and Detection of Lesions in CT Scans Using Intensity Distribution Supervision},
author = {Seung Yeon Shin and Thomas C. Shen and Ronald M. Summers},
journal= {arXiv preprint arXiv:2307.05804},
year = {2023}
}
备注
Computerized Medical Imaging and Graphics 2023