从多视图图像中学习形状先验以实现鲁棒的心脏 MR 分割
图像与视频处理
2019-12-18 v2 计算机视觉与模式识别
机器学习
摘要
心脏 MR 图像分割对于心脏的形貌与功能分析至关重要。受经验丰富的临床医生在多个标准视图（即长轴与短轴视图）上评估心脏形貌与功能的启发，我们提出了一种新方法，该方法在不同 2D 标准视图上学习解剖形状先验，并利用这些先验从短轴 MR 图像栈中分割左心室（LV）心肌。所提出的分割方法的优势在于它是一个 2D 网络，但同时融合了跨越 3D 空间的多互补视图的空间上下文。我们的方法在从心尖到心底的不同短轴切片上实现了准确且鲁棒的心肌分割，优于基线模型（例如 2D U-Net、3D U-Net），同时具有更高的数据效率。与 2D U-Net 相比，在仅使用 10% 训练数据时，所提方法在测试集上将心尖切片的平均 Hausdorff 距离（mm）从 3.24 降至 2.49，中间切片从 2.34 降至 2.09，基底切片从 3.62 降至 2.76。
引用
@article{arxiv.1907.09983,
title = {Learning Shape Priors for Robust Cardiac MR Segmentation from Multi-view Images},
author = {Chen Chen and Carlo Biffi and Giacomo Tarroni and Steffen Petersen and Wenjia Bai and Daniel Rueckert},
journal= {arXiv preprint arXiv:1907.09983},
year = {2019}
}
备注
11 pages, 5 figures, accepted at MICCAI 2019, Camera-ready version