基于学习的逐块金属分割与一致性检查
图像与视频处理
2021-01-27 v1 计算机视觉与模式识别
摘要
在创伤干预期间插入患者体内的金属植入物会在3D X射线采集过程中引起严重的伪影。金属伪影减少（MAR）方法试图去除这些伪影，其第一步总是对当前金属物体进行分割。因此，分割是一项关键任务，对MAR的结果有强烈影响。本研究提出并评估了一种基于学习的逐块分割网络和一个新提出的作为后处理步骤的一致性检查。学习到的分割与一致性检查的结合在测试集上达到了平均IoU得分为0.924的高分割性能。此外，一致性检查证明了能够显著减少假阳性分割，同时确保分割的一致性。
引用
@article{arxiv.2101.10914,
title = {Learning-Based Patch-Wise Metal Segmentation with Consistency Check},
author = {Tristan M. Gottschalk and Andreas Maier and Florian Kordon and Björn W. Kreher},
journal= {arXiv preprint arXiv:2101.10914},
year = {2021}
}
备注
Accepted for Bildverarbeitung f\"ur die Medizin, 07.-09.03.2021