基于形状先验与潜对抗正则化的多结构深度分割
图像与视频处理
2021-05-31 v1 计算机视觉与模式识别
摘要
儿科磁共振（MR）图像中肌肉骨骼系统的自动分割是一项具有挑战性但在临床形态学评估中至关重要的任务。我们提出一种基于深度学习的正则化分割方法，用于 MR 图像中多结构骨骼描绘，旨在克服儿科数据固有的稀缺性与异质性。基于新设计的形状码判别器，我们的对抗正则化方案强制深度网络遵循所学的解剖形状表示。这种新颖的基于形状先验的对抗正则化（SPAR）利用来自真值掩膜与预测掩膜的潜形状码，引导分割网络产生更一致且合理的预测。我们的方法与最先进的正则化方法在来自踝与肩关节的两个儿科肌肉骨骼成像数据集上进行了比较。
引用
@article{arxiv.2101.10173,
title = {Multi-Structure Deep Segmentation with Shape Priors and Latent Adversarial Regularization},
author = {Arnaud Boutillon and Bhushan Borotikar and Christelle Pons and Valérie Burdin and Pierre-Henri Conze},
journal= {arXiv preprint arXiv:2101.10173},
year = {2021}
}
备注
4 pages, 3 figures; 1 table, accepted at 2021 IEEE 18th International Symposium on Biomedical Imaging (ISBI)