基于 Turbolift 学习的 CT 与锥束 C 臂灌注成像肝脏分割
图像与视频处理
2023-02-10 v2 计算机视觉与模式识别
机器学习
医学物理
摘要
采用时间分离技术(TST)的基于模型的重建被发现可改善使用 C 臂锥束计算机断层扫描(CBCT)的肝脏动态灌注成像。为利用从 CT 灌注数据中提取的先验知识应用 TST，应从 CT 扫描中准确分割肝脏。基于模型的和原始的 CBCT 数据重建需要进行分割，以正确可视化和解释灌注图。本研究提出 Turbolift 学习，其按 CT、CBCT、CBCT TST 的训练顺序串行训练多尺度 Attention UNet 的改进版本，使先前的训练作为后续训练阶段的预训练，从而解决训练数据集数量有限的问题。对于从 CBCT TST 分割肝脏的最终任务，所提方法在 6 折和 4 折交叉验证实验中分别取得了 0.8740.031 和 0.9050.007 的总体 Dice 分数——相比仅针对该任务训练的模型获得了统计显著的改进。实验表明，Turbolift 不仅提升了模型的总体性能，还使其对源自栓塞材料的伪影和截断伪影具有鲁棒性。此外，深入分析证实了分割任务的顺序。本文展示了利用现有有限训练数据从 CT、CBCT 和 CBCT TST 分割肝脏的潜力，未来可能用于肝脏疾病治疗评估中灌注图的可视化与评价。
引用
@article{arxiv.2207.10167,
title = {Liver Segmentation using Turbolift Learning for CT and Cone-beam C-arm Perfusion Imaging},
author = {Hana Haseljić and Soumick Chatterjee and Robert Frysch and Vojtěch Kulvait and Vladimir Semshchikov and Bennet Hensen and Frank Wacker and Inga Brüsch and Thomas Werncke and Oliver Speck and Andreas Nürnberger and Georg Rose},
journal= {arXiv preprint arXiv:2207.10167},
year = {2023}
}