基于全卷积神经网络的医学图像交互式分割
计算机视觉与模式识别
2019-03-21 v1
摘要
图像分割在医学诊断和介入任务中都起着至关重要的作用。分割方法分为手动、半自动和全自动三种。手动分割可完全控制结果质量，但繁琐、耗时且容易产生操作者偏倚。全自动方法无需人力，但往往给出次优结果，且不为用户提供纠错手段。半自动方法通过提供交互手段使用户掌控结果，但主要挑战在于在精度与所需交互之间取得良好折衷。本文提出一种基于深度学习（DL）的半自动分割方法，旨在成为医学图像中感兴趣区域勾画的“智能”交互工具。我们展示了其在腹部计算机断层扫描（CT）中分割多个器官的应用。我们的方法解决了一些最紧迫的临床挑战：（i）仅需一次至数次用户点击即可快速可靠地给出优异的2D分割；（ii）可泛化至先前未见的结构和“极端情况”；（iii）以智能直观的方式提供可快速修正的结果，精度可达用户任意选定程度；（iv）确保高准确度。我们给出该方法并与其它技术及已有工作比较，以展示本方法带来的优势。
引用
@article{arxiv.1903.08205,
title = {Interactive segmentation of medical images through fully convolutional neural networks},
author = {Tomas Sakinis and Fausto Milletari and Holger Roth and Panagiotis Korfiatis and Petro Kostandy and Kenneth Philbrick and Zeynettin Akkus and Ziyue Xu and Daguang Xu and Bradley J. Erickson},
journal= {arXiv preprint arXiv:1903.08205},
year = {2019}
}