基于深度强化学习的心室轮廓勾画在心脏图像中的应用
计算机视觉与模式识别
2021-06-09 v1 人工智能
摘要
医学图像分割是医学图像分析中计算机辅助诊断的重要任务之一。由于大多数医学图像具有边界模糊和强度分布不均匀的特点,通过现有分割方法,目标区域内部的不连续以及目标边界的不连续容易导致粗糙甚至错误的边界描绘。在本文中,我们提出了一种基于智能体强化学习的医学图像迭代细化交互式分割新方法,该方法聚焦于目标分割边界问题。我们基于深度强化学习方法,将按一定顺序绘制目标轮廓的动态过程建模为马尔可夫决策过程(MDP)。在智能体与图像持续交互的动态过程中,智能体在有限长度范围内按次序逐点跟踪边界,直至目标轮廓被完整绘制。在此过程中,智能体可通过在图像中探索交互策略快速提升分割性能。我们提出的方法简单有效。同时,我们在心脏 MRI 扫描数据集上评估了我们的方法。实验结果表明,我们的方法在少量医学图像数据集上对左心室具有更好的分割效果,尤其在分割边界方面,该方法优于现有方法。基于我们提出的方法,左心室预测轮廓轨迹的动态生成过程将在 https://github.com/H1997ym/LV-contour-trajectory 在线展示。
引用
@article{arxiv.2106.04127,
title = {Left Ventricle Contouring in Cardiac Images Based on Deep Reinforcement Learning},
author = {Sixing Yin and Yameng Han and Shufang Li},
journal= {arXiv preprint arXiv:2106.04127},
year = {2021}
}