基于空间聚合与不确定区域修复的多期相肝脏肿瘤分割
图像与视频处理
2021-08-06 v2 计算机视觉与模式识别
摘要
多期相计算机断层扫描（CT）图像为准确的肝脏肿瘤分割（LiTS）提供了关键的互补信息。最先进的多期相 LiTS 方法通常通过相位加权求和或基于通道注意力的拼接来融合跨期相特征。然而，这些方法忽略了不同期相之间的空间（像素级）关系，从而导致特征整合不足。此外，现有方法的性能仍受分割中不确定性的影响，在肿瘤边界区域尤为严重。在本工作中，我们提出一种新颖的 LiTS 方法，以充分聚合多期相信息并精炼不确定区域分割。为此，我们引入空间聚合模块（SAM），促进不同期相间的逐像素交互，以充分利用跨期相信息。此外，我们设计不确定区域修复模块（URIM），利用邻近判别性特征来精炼不确定像素。在肝内局灶性病变多期相 CT 数据集（MPCT-FLLs）上的实验表明，我们的方法实现了良好的肝脏肿瘤分割并优于现有最优方法。
引用
@article{arxiv.2108.00911,
title = {Multi-phase Liver Tumor Segmentation with Spatial Aggregation and Uncertain Region Inpainting},
author = {Yue Zhang and Chengtao Peng and Liying Peng and Huimin Huang and Ruofeng Tong and Lanfen Lin and Jingsong Li and Yen-Wei Chen and Qingqing Chen and Hongjie Hu and Zhiyi Peng},
journal= {arXiv preprint arXiv:2108.00911},
year = {2021}
}
备注
To appear in MICCAI 2021