用于心脏MR图像左心室容积估计的多视图融合CNN
计算机视觉与模式识别
2018-04-10 v1
摘要
左心室(LV)容积估计是心脏疾病诊断的关键步骤。本文旨在解决直接的LV容积预测任务。方法：本文提出一种基于端到端深度卷积神经网络(CNN)的直接容积预测方法。我们从数据预处理、网络结构和多视图融合策略等方面研究端到端LV容积预测方法。本文的主要贡献如下：首先，提出一种新的心脏磁共振(CMR)数据预处理方法；其次，提出一种新的用于端到端LV容积估计的网络结构；第三，探究不同切片的表征能力，并提出一种融合策略以提高预测精度。结果：评估结果表明，所提方法在公开基准数据集上优于其他最先进的LV容积估计方法。由预测容积导出的临床指标与真实值吻合良好(EDV: R2=0.974, RMSE=9.6ml; ESV: R2=0.976, RMSE=7.1ml; EF: R2=0.828, RMSE=4.71%)。结论：实验结果证明所提方法可能对LV容积预测任务有用。意义：所提方法不仅对大规模CMR数据的心脏疾病筛查具有应用潜力，也可扩展到其他医学图像研究领域。
引用
@article{arxiv.1804.03008,
title = {Multi-views Fusion CNN for Left Ventricular Volumes Estimation on Cardiac MR Images},
author = {Gongning Luo and Suyu Dong and Kuanquan Wang and Wangmeng Zuo and Shaodong Cao and Henggui Zhang},
journal= {arXiv preprint arXiv:1804.03008},
year = {2018}
}
备注
to appear on Transactions on Biomedical Engineering