基于多切片低秩张量分解的多图谱分割:在病理性肝脏 CT 自动分割中的应用
图像与视频处理
2021-07-20 v3 计算机视觉与模式识别
机器学习
摘要
从腹部 CT 图像中分割肝脏是肝癌计算机辅助诊断与手术规划的关键步骤。然而,现有肝脏分割方法的准确性与鲁棒性均不能满足临床应用要求。特别是对于肝脏组织含主要病灶的常见临床病例,当前分割方法表现不佳。本文提出一种新颖的基于低秩张量分解(LRTD)的多图谱分割(MAS)框架,实现了 CT 图像中准确且鲁棒的病理性肝脏分割。首先,我们提出多切片 LRTD 方案以恢复嵌入在 3D 医学图像中的潜在低秩结构,其对由多个连续图像切片组成的小图像块执行 LRTD。然后,我们提出基于 LRTD 的图谱构建方法,生成无肿瘤肝脏图谱,以减轻因肿瘤存在导致的肝脏分割性能退化。最后,我们引入基于 LRTD 的 MAS 算法,为每幅测试图像推导患者特异性肝脏图谱,并实现准确的成对图像配准与标签传播。在三个病理性肝脏病例公共数据库上的大量实验验证了所提方法的有效性。定性与定量结果均表明,在存在主要病灶的情况下,所提方法比最先进的方法更准确、更鲁棒。
引用
@article{arxiv.2102.12056,
title = {Multi-Slice Low-Rank Tensor Decomposition Based Multi-Atlas Segmentation: Application to Automatic Pathological Liver CT Segmentation},
author = {Changfa Shi and Min Xian and Xiancheng Zhou and Haotian Wang and Heng-Da Cheng},
journal= {arXiv preprint arXiv:2102.12056},
year = {2021}
}
备注
9 Figures, 41 pages, accepted by Medical Image Analysis, DOI:10.1016/j.media.2021.102152