基于点交互与序列块学习的医学图像交互式分割
计算机视觉与模式识别
2018-05-10 v2
摘要
由于组织对比度低、目标外观不规则以及位置变化不可预测，从不同医学成像模态（如 CT、MR）中分割目标被视为一项重要而具挑战性的任务。本文提出一种新颖的交互式医学图像分割方法，具有以下优点。（1）我们的设计与先前纯基于块和基于图像的方法有本质不同。我们观察到在勾画过程中，医生反复检查由内到外的强度变化以确定边界，这表明以内外比较的方式极为重要。因此，我们创新性地将分割任务建模为学习双向序列块的表示，这些块从目标的给定中心点出发（或终止于该点）。这可通过我们提出的嵌入门控记忆传播单元的 ConvRNN 网络实现。（2）与先前需要边界框或种子点的交互式方法不同，我们仅要求医生在分割前点击目标的粗略中心点，这可同时提升性能并减少分割时间。（3）我们在多级框架中应用我们的方法以获得更好性能。我们在三项不同分割任务（包括 CT 肾脏肿瘤、MR 前列腺及 PROMISE12 挑战赛）中系统评估了我们的方法，与 SOTA（state-of-the-art，最先进）方法相比显示出有前景的结果。代码见：\href{https://github.com/sunalbert/Sequential-patch-based-segmentation}{Sequential-patch-based-segmentation}。
引用
@article{arxiv.1804.10481,
title = {Interactive Medical Image Segmentation via Point-Based Interaction and Sequential Patch Learning},
author = {Jinquan Sun and Yinghuan Shi and Yang Gao and Lei Wang and Luping Zhou and Wanqi Yang and Dinggang Shen},
journal= {arXiv preprint arXiv:1804.10481},
year = {2018}
}