基于多任务学习的心脏电影 MR 图像左心室分割与量化
计算机视觉与模式识别
2018-09-28 v1
摘要
左心室分割与多种心脏收缩功能的量化对于心血管疾病的及时诊断和治疗至关重要。传统上，这两项任务被独立处理。这里我们提出一种基于卷积神经网络的多任务学习方法来同时执行两项任务，使得网络学习到更好的数据表示并改善泛化性能。该问题的概率公式化使得在训练过程中学习任务的不确定性，并将其用于自动计算各任务的权重。我们在 STACOM 左心室分割挑战提供的 97 例患者的 4 维心脏电影 MRI 数据集上，针对所提供的金标准心肌分割，对提出多任务网络得到的心肌分割进行了五折交叉验证，获得 Dice 重叠率 和平均表面距离 mm，同时以 mm 的平均绝对差异误差估计心肌面积。
引用
@article{arxiv.1809.10221,
title = {Left Ventricle Segmentation and Quantification from Cardiac Cine MR Images via Multi-task Learning},
author = {Shusil Dangi and Ziv Yaniv and Cristian A. Linte},
journal= {arXiv preprint arXiv:1809.10221},
year = {2018}
}
备注
STACOM 2018 Workshop, MICCAI 2018