基于深度学习与 B 样条显式活动轮廓的交互式分割
图像与视频处理
2021-10-26 v1 计算机视觉与模式识别
人机交互
摘要
通过卷积神经网络（CNNs）的自动医学图像分割已展现出有前景的结果。然而，它们对于临床使用可能并非总是足够鲁棒。次优分割将要求临床医生手动勾画目标对象，引发挫败感。为解决此问题，本文提出一种新颖的基于 CNN 的交互式分割框架。其目的是利用 B 样条显式活动表面（BEAS）将 CNN 分割轮廓表示为 B 样条。该框架的交互元素允许用户实时精确编辑轮廓，且通过利用 BEAS 确保最终轮廓平滑且解剖学上合理。该框架被应用于从 2D 超声（US）图像对肛提肌裂孔进行 2D 分割的任务，并与盆底功能障碍诊所当前使用的临床工具（4DView，GE Healthcare；Zipf，奥地利）比较。实验结果显示：1）所提框架比当前最先进 CNN 更鲁棒；2）通过 NASA-TLX 指数计算的感知工作负荷相较当前临床工具降低一半以上；3）所提工具比临床工具至少少用 13 秒用户时间，且具有显著性（p=0.001）。
引用
@article{arxiv.2110.12939,
title = {Interactive Segmentation via Deep Learning and B-Spline Explicit Active Surfaces},
author = {Helena Williams and João Pedrosa and Laura Cattani and Susanne Housmans and Tom Vercauteren and Jan Deprest and Jan D'hooge},
journal= {arXiv preprint arXiv:2110.12939},
year = {2021}
}
备注
11 pages, 3 figures, 2 tables