M3D-NCA：具备内置质量控制的鲁棒三维分割
计算机视觉与模式识别
2023-09-07 v1 机器学习
摘要
医学图像分割严重依赖大规模深度学习模型，例如基于 UNet 的架构。然而，此类模型的实际效用受其高计算需求的限制，这使得它们在资源受限环境（如初级保健机构和冲突地区）中不切实际。此外，成像域的偏移可能使这些模型失效，并且若此类错误未被察觉，甚至会危及患者安全。为应对这些挑战，我们提出 M3D-NCA，一种利用神经胞自动机（NCA）对三维医学图像进行 n 级分块分割的新方法。此外，我们借助 M3D-NCA 中的方差开发了一种新颖的质量度量，可自动检测 NCA 分割过程中的错误。M3D-NCA 在海马体和前列腺分割上以 2% Dice 的优势优于大两个数量级的 UNet 模型，并且可在 Raspberry Pi 4 Model B（2GB RAM）上运行。这凸显了 M3D-NCA 作为资源受限环境中医学图像分割高效且有效替代方案的潜力。
引用
@article{arxiv.2309.02954,
title = {M3D-NCA: Robust 3D Segmentation with Built-in Quality Control},
author = {John Kalkhof and Anirban Mukhopadhyay},
journal= {arXiv preprint arXiv:2309.02954},
year = {2023}
}