具有对抗式性能验证器的多器官分割网络
图像与视频处理
2022-04-19 v1 计算机视觉与模式识别
摘要
计算机断层扫描(CT)图像上的CT器官分割已成为现代医学图像分析的重要基石，支撑多个领域的临床工作流。以往的分割方法包括基于二维卷积神经网络(CNN)的方法，其输入为缺乏轴向视角结构知识的CT图像切片，以及基于三维CNN的方法，在多器官分割应用中计算代价高昂。本文将一个对抗式性能验证网络引入二维到三维的分割框架中。分类器与性能验证器的竞争通过反向传播促成准确的分割结果。所提出的网络以由粗到精的方式有机地将二维粗分割结果转换为三维高质量分割掩码，允许联合优化以提升分割精度。此外，某一特定器官的结构信息由具有统计意义的先验边界框刻画，并被转化为全局特征以利用三维精细分割中的学习过程。在NIH胰腺分割数据集上的实验表明，所提网络在小器官分割上达到了最先进的精度，并优于以往最佳方法。在我们自行收集的数据集上，多器官分割也报告了高精度。
引用
@article{arxiv.2204.07850,
title = {Multi-organ Segmentation Network with Adversarial Performance Validator},
author = {Haoyu Fang and Yi Fang and Xiaofeng Yang},
journal= {arXiv preprint arXiv:2204.07850},
year = {2022}
}