用于锥束 CT 中膝关节软骨分割的多通道体神经网络
图像与视频处理
2020-07-10 v1 计算机视觉与模式识别
摘要
分析载荷下膝关节软骨厚度与应变有助于进一步理解骨关节炎等疾病的影响。对该软骨的精确分割是此分析的必要前提。这一分割任务主要在磁共振成像中得以解决，而在对比剂增强计算机断层扫描中很少被研究，其中对比剂使股骨与胫骨软骨间的边界显影。为克服手动分割的主要缺点即耗时巨大，我们提议使用三维卷积神经网络来完成该任务。所提出的架构由一个带 SeLu 激活的 V-Net 和一个 Tversky 损失函数组成。由于极少软骨像素与大量背景像素之间的高度不平衡，预期会出现高假阳性率。为降低该比率，利用连通分量分析提取两个最大的分割点云，因为它们最可能代表内侧与外侧胫骨软骨表面。所得分割结果与手动分割比较，平均达到 0.69 的召回率，证实了该方法的可行性。
引用
@article{arxiv.1912.01362,
title = {Multi-Channel Volumetric Neural Network for Knee Cartilage Segmentation in Cone-beam CT},
author = {Jennifer Maier and Luis Carlos Rivera Monroy and Christopher Syben and Yejin Jeon and Jang-Hwan Choi and Mary Elizabeth Hall and Marc Levenston and Garry Gold and Rebecca Fahrig and Andreas Maier},
journal= {arXiv preprint arXiv:1912.01362},
year = {2020}
}
备注
6 pages, accepted at BVM 2020