用于CT图像中胸部危险器官自动分割的多分辨率残差网络
图像与视频处理
2020-06-02 v2 计算机视觉与模式识别
摘要
我们实现并评估了一种多分辨率残差网络（MRRN），用于从计算机断层扫描（CT）图像中对胸部放疗治疗（RT）规划中的多个正常危险器官（OAR）进行分割。我们的方法通过残差连接同时结合了在多个图像分辨率和特征层级上计算的特征流。随着图像经过各个特征层级，每个层级上的特征流被更新。我们使用206例肺癌患者的胸部CT扫描训练我们的方法，其中35例留作验证，以分割左右肺、心脏、食管和脊髓。该方法在来自开源AAPM胸部自动分割挑战赛数据集的60例CT扫描上进行了测试。性能采用Dice相似系数（DSC）衡量。我们的方法在挑战赛中对食管等难分割结构优于表现最佳的方法，并对所有其他结构取得了相当的结果。使用我们方法的中位DSC在左右肺为0.97（四分位距[IQR]：0.97-0.98），心脏为0.93（IQR：0.93-0.95），食管为0.78（IQR：0.76-0.80），脊髓为0.88（IQR：0.86-0.89）。
引用
@article{arxiv.2005.13690,
title = {Multiple resolution residual network for automatic thoracic organs-at-risk segmentation from CT},
author = {Hyemin Um and Jue Jiang and Maria Thor and Andreas Rimner and Leo Luo and Joseph O. Deasy and Harini Veeraraghavan},
journal= {arXiv preprint arXiv:2005.13690},
year = {2020}
}
备注
MIDL 2020 short paper