用于自动椎体分割与识别的迭代全卷积神经网络
计算机视觉与模式识别
2019-02-15 v3
摘要
椎骨的精确分割与解剖学识别为脊柱自动分析（如椎体压缩骨折或其他异常的检出）提供基础。大多数专用的脊柱 CT 和 MR 扫描以及胸部、腹部或颈部扫描仅覆盖脊柱的一部分。因此，分割与识别不应依赖于某些椎骨或特定数量椎骨的可视性。我们提出一种迭代实例分割方法，使用全卷积神经网络逐一分割并标记椎骨，而与可见椎骨的数量无关。这种逐实例分割通过将网络与保留已分割椎骨信息的记忆组件相结合来实现。网络迭代分析图像块，利用来自图像和记忆的信息寻找下一节椎骨。为高效遍历图像，我们引入椎骨始终彼此相邻的先验知识，用以沿脊柱列追踪。该方法在五个不同的数据集上进行了评估，涵盖多种模态（CT 和 MR）、不同的视野与脊柱各节段的覆盖范围，以及一组特别具有挑战性的低剂量胸部 CT 扫描。所提迭代分割方法与最先进（SOTA）方法相比具有优势，且快速、灵活、可泛化。
引用
@article{arxiv.1804.04383,
title = {Iterative fully convolutional neural networks for automatic vertebra segmentation and identification},
author = {Nikolas Lessmann and Bram van Ginneken and Pim A. de Jong and Ivana Išgum},
journal= {arXiv preprint arXiv:1804.04383},
year = {2019}
}
备注
Accepted for publication in Medical Image Analysis