用于运动伪影分类与心脏磁共振图像分割的多任务 Swin Transformer
图像与视频处理
2022-09-07 v1 人工智能
计算机视觉与模式识别
摘要
心脏磁共振成像通常用于评估心脏解剖结构与功能。左、右心室血池和左心室心肌的勾画对心脏疾病的诊断十分重要。遗憾的是，患者在 CMR 采集过程中的运动可能导致最终图像中出现运动伪影。此类伪影降低了 CMR 图像的诊断质量并迫使重新检查。本文中，我们提出一种多任务 Swin UNEt TRansformer 网络，用于同时解决 CMRxMotion 挑战中的两项任务：CMR 分割与运动伪影分类。我们将分割与分类作为多任务学习方法，从而能够同时判定 CMR 的诊断质量并生成掩膜。CMR 图像被分为三个诊断质量等级，而所有非严重运动伪影的样本均进行分割。采用 5 折交叉验证训练的五个网络集成取得了 0.871 的 DICE 系数分割性能与 0.595 的分类准确率。
引用
@article{arxiv.2209.02470,
title = {Multi-task Swin Transformer for Motion Artifacts Classification and Cardiac Magnetic Resonance Image Segmentation},
author = {Michal K. Grzeszczyk and Szymon Płotka and Arkadiusz Sitek},
journal= {arXiv preprint arXiv:2209.02470},
year = {2022}
}
备注
Accepted for Statistical Atlases and Computational Modeling of the Heart (STACOM) workshop, The Extreme Cardiac MRI Analysis Challenge under Respiratory Motion (CMRxMotion) challenge