多视图 SA-LA 网络：一种在多视图心脏 MR 图像上同步分割 RV 的框架
图像与视频处理
2021-10-05 v1 计算机视觉与模式识别
摘要
我们提出了一种多视图 SA-LA 模型，用于在短轴（SA）与长轴（LA）心脏 MR 图像上同步分割右心室（RV）。该多视图 SA-LA 模型是一种基于 U-Net 模型的多编码器、多解码器 U-Net 架构。一对编码器-解码器在 SA 图像上分割 RV，另一对在 LA 图像上分割 RV。多视图 SA-LA 模型通过在编码器分支根部组合自匹配的 SA 与 LA 心脏 MR 图像学到的特征图，汇集了极丰富的协同特征集。分割性能通过以下方式进一步增强：(1) 将左室（LV）的空间上下文作为先验引入；(2) 在解码器分支最后三层执行深度监督。多视图 SA-LA 模型在 MICCAI 2021 多疾病、多视图、多中心 RV 分割挑战数据集（M&Ms-2021）上进行了广泛评估。M&Ms-2021 数据集包含来自四个临床中心、三种不同厂商的 360 名受试者的多时相、多视图心脏 MR 图像。在挑战队列（160 名受试者）上，所提多视图 SA-LA 模型在短轴图像上取得 91% 的 Dice 分数与 11.2 mm 的 Hausdorff 距离，在长轴图像上取得 89.6% 的 Dice 分数与 8.1 mm 的 Hausdorff 距离。此外，多视图 SA-LA 模型对未见过的 RV 相关病变表现出强泛化能力，包括扩张型右心室（DSC：SA 91.41%，LA 89.63%）与三尖瓣反流（DSC：SA 91.40%，LA 90.40%），且方差低（std_DSC：SA <5%，LA<6%）。
引用
@article{arxiv.2110.00682,
title = {Multi-view SA-LA Net: A framework for simultaneous segmentation of RV on multi-view cardiac MR Images},
author = {Sana Jabbar and Syed Talha Bukhari and Hassan Mohy-ud-Din},
journal= {arXiv preprint arXiv:2110.00682},
year = {2021}
}
备注
10 pages, 2 figures, 3 tables