多模态病理分割框架：在心脏磁共振图像中的应用
图像与视频处理
2020-08-14 v1 计算机视觉与模式识别
摘要
心脏磁共振（CMR）图像的多序列可以提供心肌病理（瘢痕与水肿）的互补信息。然而，如何有效融合这些潜在信息以进行病理分割仍具挑战性。本文提出一种基于多模态CMR图像的自动级联病理分割框架，主要由两个神经网络组成：解剖结构分割网络（ASSN）与病理区域分割网络（PRSN）。具体而言，ASSN旨在分割病理可能存在的解剖结构，并为病理区域分割提供空间先验。此外，我们在ASSN中集成一个去噪自编码器（DAE）以生成具有合理形状的分割结果。PRSN设计用于基于ASSN的结果分割病理区域，其中提出了一种基于通道注意力的融合模块，以更好地聚合来自多模态CMR图像的多模态信息。基于MyoPS2020挑战赛数据集的实验表明，我们的框架在心梗瘢痕与水肿分割方面可取得有前景的性能。
引用
@article{arxiv.2008.05780,
title = {Multi-Modality Pathology Segmentation Framework: Application to Cardiac Magnetic Resonance Images},
author = {Zhen Zhang and Chenyu Liu and Wangbin Ding and Sihan Wang and Chenhao Pei and Mingjing Yang and Liqin Huang},
journal= {arXiv preprint arXiv:2008.05780},
year = {2020}
}
备注
12 pages,MyoPS 2020