MyoPS-Net：通过灵活组合多序列 CMR 图像进行心肌病理分割
图像与视频处理
2022-11-30 v1 计算机视觉与模式识别
摘要
心肌病理分割（MyoPS）可作为心肌梗死准确诊断与治疗规划的先决条件。然而，由于图像信息不足且不清晰，实现该分割具有挑战性。本工作中，我们开发了一个称为 MyoPS-Net 的端到端深度神经网络，以灵活组合五序列心脏磁共振（CMR）图像进行 MyoPS。为提取精确且充足的信息，我们设计了一种有效且灵活的架构来提取并融合跨模态特征。该架构可处理不同数量的 CMR 图像及复杂的模态组合，其输出分支针对特定病理。为将解剖学知识施加于分割结果，我们首先提出一个模块来正则化心肌一致性并定位病理，然后引入包含性损失以利用心肌瘢痕与水肿之间的关系。我们在两个数据集上评估了所提 MyoPS-Net，即一个由 50 对多序列 CMR 图像组成的私有数据集和来自 MICCAI2020 MyoPS Challenge 的公开数据集。实验结果表明，MyoPS-Net 在各种场景下均能取得 SOTA 性能。需注意，在实际临床中，受试者可能不具备完整序列，例如缺失 LGE CMR 或 mapping CMR 扫描。因此我们进行了大量实验来研究所提方法在处理此类不同 CMR 序列复杂组合时的性能。结果证明了 MyoPS-Net 的优越性与泛化能力，更重要的是，指出了一种实际的临床应用。
引用
@article{arxiv.2211.03062,
title = {MyoPS-Net: Myocardial Pathology Segmentation with Flexible Combination of Multi-Sequence CMR Images},
author = {Junyi Qiu and Lei Li and Sihan Wang and Ke Zhang and Yinyin Chen and Shan Yang and Xiahai Zhuang},
journal= {arXiv preprint arXiv:2211.03062},
year = {2022}
}