利用深度神经网络从心脏 MRI 测量解剖厚度
图像与视频处理
2020-08-26 v1 计算机视觉与模式识别
机器学习
摘要
从医学图像中准确估计形状厚度在临床应用中至关重要。例如，心肌厚度是心脏疾病诊断的关键之一。尽管已有数学模型可获得准确的稠密厚度估计，但由于迭代求解器，它们存在沉重的计算开销。为此，我们提出了用于稠密厚度估计的新方法，包括一种从二值环状形状估计厚度的快速求解器，以及一种从原始心脏图像直接估计厚度的端到端网络。我们在三个心脏数据集和一个合成数据集上测试了所提模型，在所有数据集上均取得了令人印象深刻的结果和泛化能力。厚度估计无需迭代求解器或人工修正，比数学模型快 100 倍。我们还利用标准临床模型分析了不同心脏病理下的厚度模式，结果表明我们的方法在基于厚度的心脏疾病诊断中具有潜在的临床价值。
引用
@article{arxiv.2008.11109,
title = {Measure Anatomical Thickness from Cardiac MRI with Deep Neural Networks},
author = {Qiaoying Huang and Eric Z. Chen and Hanchao Yu and Yimo Guo and Terrence Chen and Dimitris Metaxas and Shanhui Sun},
journal= {arXiv preprint arXiv:2008.11109},
year = {2020}
}
备注
Accepted by STACOM 2020