基于三维融合上下文传播的交互式放疗靶区勾画
图像与视频处理
2020-12-15 v1 计算机视觉与模式识别
摘要
断层医学影像上大体肿瘤体积(GTV)的勾画对放疗规划和癌症诊断至关重要。卷积神经网络(CNNs)在自动三维医学分割任务中占据主导,包括给定三维 CT 体积的放疗靶区轮廓勾画。尽管 CNNs 可能提供可行结果,但在临床场景中,由于 CNNs 在意外病例上表现不一致,专家进行复核与预测精修仍属必要。为给专家提供无需重训模型即可修改 CNN 预测的高效途径,我们提出三维融合上下文传播,将任意编辑切片传播至整个三维体积。通过考虑高层特征图,放射肿瘤学家仅需编辑少量切片即可引导修正并精修整个预测体积。具体而言,我们利用反向传播激活技术将用户编辑信息逆向传达至潜空间,并基于更新后与原特征生成新预测。在交互过程中,我们提出的方法复用已有提取特征且不改变现有三维 CNN 模型架构,避免对其他预测造成扰动。所提方法在两个已公开的鼻咽癌与食管癌放疗靶区勾画数据集上评估。实验结果表明,给定肿瘤学家的交互输入,我们的方法能进一步有效改进来自不同模型架构的现有分割预测。
引用
@article{arxiv.2012.06873,
title = {Interactive Radiotherapy Target Delineation with 3D-Fused Context Propagation},
author = {Chun-Hung Chao and Hsien-Tzu Cheng and Tsung-Ying Ho and Le Lu and Min Sun},
journal= {arXiv preprint arXiv:2012.06873},
year = {2020}
}