神经多图谱标签融合:在心脏MR图像中的应用
计算机视觉与模式识别
2018-08-03 v2
摘要
多图谱分割方法是生物医学应用中最广泛使用的图像分割技术之一。这类方法有两个主要挑战,即图谱选择和标签融合。在本文中,我们提出了一种新颖的多图谱分割方法,将多图谱分割构建在深度学习框架中,以更好地解决这些挑战。所提出的方法称为深度融合网络(DFN),是一种将特征提取子网和非局部基于图块的标签融合(NL-PLF)子网集成在单一网络中的深度架构。网络参数通过端到端训练学习,以自动学习能够在NL-PLF框架中实现最优性能的深度特征。学习到的深度特征进一步用于定义图谱选择的相似性度量。通过在SATA-13和LV-09两个公开心脏MR数据集上评估左心室分割,我们的方法在SATA-13数据集上的平均Dice度量(ADM)达到0.833,在LV-09数据集上的心外膜分割ADM达到0.95,与其他自动左心室分割方法相比表现优异。我们还在MICCAI 2013 SATA分割挑战赛的Cardiac Atlas Project (CAP)测试集上测试了我们的方法,该方法ADM达到0.815,在撰写本文时排名最高。
引用
@article{arxiv.1709.09641,
title = {Neural Multi-Atlas Label Fusion: Application to Cardiac MR Images},
author = {Heran Yang and Jian Sun and Huibin Li and Lisheng Wang and Zongben Xu},
journal= {arXiv preprint arXiv:1709.09641},
year = {2018}
}
备注
Medical Image Analysis