结合 alpha matte 推理的多路径 CNN 用于 MRI 膝关节组织分割
图像与视频处理
2021-09-30 v1 计算机视觉与模式识别
摘要
从磁共振成像 (MRI) 中精确分割膝关节组织对定量成像和诊断至关重要。目前最先进的卷积神经网络 (CNNs) 由于缺乏针对图像的特定自适应（如低组织对比度和结构不均匀性）而存在局限性，从而导致分割结果不完整。本文提出了一种基于深度学习的膝关节组织自动分割框架。提出了一种新颖的基于多路径 CNN 的方法，该方法由基于编码器-解码器的分割网络与低秩张量重构分割网络组合而成。引入 MRI 张量子块中的低秩重构，以利用膝关节组织的结构和形态变化。为了进一步改进 CNN 的分割效果，提出了 trimap 生成方法，该方法有效利用叠加区域，从多路径 CNN 中定义高、中、低置信度区域。具有低秩重构输入的次要路径，缓解了主要分割网络可能失败并忽略边界区域的情况。通过将 trimap 与源输入混合，分割结果作为 alpha matting 问题得到求解。在骨关节炎倡议 (OAI) 数据集和自行准备的扫描数据上的实验验证了所提方法的有效性。我们专门展示了所提方法在用于诊断目的的基于软骨分割的厚度图中的应用。
引用
@article{arxiv.2109.14249,
title = {Multipath CNN with alpha matte inference for knee tissue segmentation from MRI},
author = {Sheheryar Khan and Basim Azam and Yongcheng Yao and Weitian Chen},
journal= {arXiv preprint arXiv:2109.14249},
year = {2021}
}