用于左心房与心房瘢痕分割的多视角双任务递归注意力模型
计算机视觉与模式识别
2018-06-13 v1 图像与视频处理
摘要
用于检测房颤（AF）患者心房瘢痕的延迟钆增强心脏 MRI（LGE-CMRI）近来已成为一种有前景的技术，可用于患者分层、引导消融治疗并预测治疗成功。瘢痕组织可视化与量化需要从 LGE-CMRI 图像中分割左心房（LA）与高亮瘢痕区域。由于健康组织信号被抑制、低信噪比以及这些患者常有的有限图像质量，这两项分割任务均具挑战性。多数方法需要人工监督及/或第二次亮血 MRI 采集以进行解剖分割。从单次 LGE-CMRI 采集自动分割 LA 解剖与瘢痕组织需求迫切。本研究中，我们提出一种新颖的、直接作用于 LGE-CMRI 图像的全自动多视角双任务（MVTT）递归注意力模型，其结合序列学习与膨胀残差学习，通过一种创新的注意力模型同时分割 LA（含附属肺静脉）并描绘心房瘢痕。相较于其他 SOTA 方法，所提 MVTT 取得显著改进，能够生成患者特异性的解剖与心房瘢痕评估模型。
引用
@article{arxiv.1806.04597,
title = {Multiview Two-Task Recursive Attention Model for Left Atrium and Atrial Scars Segmentation},
author = {Jun Chen and Guang Yang and Zhifan Gao and Hao Ni and Elsa Angelini and Raad Mohiaddin and Tom Wong and Yanping Zhang and Xiuquan Du and Heye Zhang and Jennifer Keegan and David Firmin},
journal= {arXiv preprint arXiv:1806.04597},
year = {2018}
}
备注
8 pages, 4 figures, accepted by MICCAI 2018