用于心脏左心室分割的多尺度全卷积网络
计算机视觉与模式识别
2018-09-28 v1 机器学习
机器学习
摘要
从心脏磁共振图像中分割出的左心室形态结构可用于计算关键临床参数，对心血管疾病的准确高效诊断具有重要意义。与传统方法相比，基于全卷积神经网络的分割算法大幅提升了语义分割精度。针对左心室分割问题，本文提出一种名为 MS-FCN 的新型全卷积神经网络结构。MS-FCN 网络采用多尺度池化模块以确保网络最大化特征提取能力，并使用稠密连接解码器细化目标边界。基于 MICCAI 2009 挑战赛提供的 Sunnybrook cine-MR 数据集，数值实验表明我们提出的模型取得了当前最优的分割结果：我们的方法在内膜上的 Dice 分数达到 0.93，在外膜上达到 0.96。
引用
@article{arxiv.1809.10203,
title = {Multi-Scale Fully Convolutional Network for Cardiac Left Ventricle Segmentation},
author = {Han Kang and Defeng Chen},
journal= {arXiv preprint arXiv:1809.10203},
year = {2018}
}
备注
7 pages, 9 figures