NaviAirway：一种对细支气管敏感的基于深度学习的气道分割流程
图像与视频处理
2023-06-21 v3 人工智能
计算机视觉与模式识别
摘要
气道分割对于胸部CT图像分析至关重要。与自然图像分割追求高像素级精度不同，气道分割侧重于拓扑结构。该任务具有挑战性，不仅因为其复杂的树状结构，还因为不同代气道分支之间存在严重的像素不平衡。为解决这些问题，我们提出一种NaviAirway方法，其包含一个用于保持气道拓扑的细支气管敏感损失函数，以及一种用于跨不同气道代次进行准确模型学习的迭代训练策略。为补充模型学到的气道分支特征，我们以师生方式从大量无标注胸部CT图像中蒸馏知识。实验结果表明，NaviAirway优于现有方法，尤其在更高代细支气管的识别和针对新CT扫描的鲁棒性方面。此外，NaviAirway具有足够的通用性，可与不同骨干模型结合以显著提升其性能。NaviAirway可为导航支气管镜生成气道路线图，也可应用于生物医学图像中细分长管状结构分割的其他场景。代码已公开于 https://github.com/AntonotnaWang/NaviAirway。
引用
@article{arxiv.2203.04294,
title = {NaviAirway: a Bronchiole-sensitive Deep Learning-based Airway Segmentation Pipeline},
author = {Andong Wang and Terence Chi Chun Tam and Ho Ming Poon and Kun-Chang Yu and Wei-Ning Lee},
journal= {arXiv preprint arXiv:2203.04294},
year = {2023}
}