通过时空CNN进行左心室量化
计算机视觉与模式识别
2018-08-27 v1
摘要
心血管疾病是全球主要死因之一。心脏左心室（LV）量化被认为是识别和诊断此类病症最重要的任务之一。本文中，我们提出一种深度学习方法，引入3D时空卷积，从心脏MR序列直接进行左心室量化。我们不再独立分析切片，而是通过3D卷积核处理时间上相邻的切片栈，从而融合时空信息，将心脏的时间动态纳入所学模型。我们表明，将此类信息通过时空卷积引入标准LV量化架构，相较于单切片模型提高了预测精度，在所有心脏指标上取得有竞争力的结果，并显著打破了心脏相位估计的当前最优（state of the art, SOTA）（Xue et al., 2018, MedIA）。
关键词
引用
@article{arxiv.1808.07967,
title = {Left ventricle quantification through spatio-temporal CNNs},
author = {Alejandro Debus and Enzo Ferrante},
journal= {arXiv preprint arXiv:1808.07967},
year = {2018}
}
备注
Accepted for publication at Statistical Atlases and Computational Modeling of the Heart (STACOM) workshop @ MICCAI 2018