心脏 MR 图像序列运动估计与分割的联合学习
计算机视觉与模式识别
2018-06-12 v1
摘要
心脏运动估计与分割在定量评估心脏功能和诊断心血管疾病中起着重要作用。本文中，我们提出一种新颖的深度学习方法，用于从心脏 MR 图像序列中联合估计运动与分割。所提出的网络由两个分支组成：一个建立在新颖的无监督孪生式循环空间变换网络上的心脏运动估计分支，以及一个基于全卷积网络的心脏分割分支。特别地，通过同时优化分割分支和运动估计分支，学习到一个联合多尺度特征编码器。这得以利用在运动估计分支中从无大量未标注数据无监督学习到的特征，实现弱监督分割。使用来自 220 名受试者的心脏 MRI 图像的实验结果表明，两项任务的联合学习具有互补性，且所提模型在准确率和速度上显著优于对比方法。
引用
@article{arxiv.1806.04066,
title = {Joint Learning of Motion Estimation and Segmentation for Cardiac MR Image Sequences},
author = {Chen Qin and Wenjia Bai and Jo Schlemper and Steffen E. Petersen and Stefan K. Piechnik and Stefan Neubauer and Daniel Rueckert},
journal= {arXiv preprint arXiv:1806.04066},
year = {2018}
}
备注
accepted by MICCAI 2018