用于B型主动脉夹层分割的多任务深度卷积神经网络
计算机视觉与模式识别
2019-03-12 v6
摘要
对整个主动脉及真假腔的分割对于罕见但危及生命的B型主动脉夹层腔内修复的规划与随访至关重要。逐层手动分割耗时且需要专业知识，而当前的计算机辅助方法侧重于整个主动脉的分割，无法同时分割真假腔，且部分需要人机交互。本文报道一种基于三维多任务深度卷积神经网络的 fully automated 方法，在统一框架中从CTA图像分割整个主动脉及真假腔。为训练，我们构建了一个数据库，包含来自254名B型主动脉夹层独特患者、使用多种系统获取的254张CTA图像（210张术前、44张术后）。提供了每张三维CTA图像的整个主动脉及真假腔的逐层手动分割。在由经验丰富的血管外科医生提供金标准分割的另外16张CTA图像（11张术前、5张术后）评估中，我们的方法对整个主动脉、真腔和假腔分别取得0.910、0.849和0.821的平均Dice相似系数（DSC）。
引用
@article{arxiv.1806.09860,
title = {Multi-Task Deep Convolutional Neural Network for the Segmentation of Type B Aortic Dissection},
author = {Jianning Li and Long Cao and Yangyang Ge and W. Cheng and M. Bowen and G. Wei},
journal= {arXiv preprint arXiv:1806.09860},
year = {2019}
}
备注
This article has been removed by arXiv administrators because the submitter did not have the rights to agree to the license at the time of submission