OASIS：用于图像分割的一次性对齐图谱集
计算机视觉与模式识别
2019-12-06 v1
摘要
医学图像分割是医学图像分析中的一项基础任务。尽管深度卷积神经网络在这一具有挑战性的任务中取得了卓越的性能，但它们通常依赖于大型标注数据集，这限制了其在定制化应用中的扩展。通过重新审视基于图谱的分割方法的优越性，我们提出了一种新框架：用于图像分割的一次性对齐图谱集（OASIS）。为解决图谱变形中耗时的迭代图像配准问题，所提方法利用深度学习的强大能力实现一次性图像配准。此外，通过施加标签约束，OASIS 还使配准过程聚焦于待分割区域，从而提升分割性能。进一步，我们未采用基于图像相似度的标签融合（其易受到大面积背景区域的干扰），而是提出一种基于标签相似度计算权重的标签融合新策略。我们在具有挑战性的前列腺 MR 图像分割任务上的实验结果表明，与其他最先进（SOTA）方法相比，OASIS 能够显著提升分割性能。
引用
@article{arxiv.1912.02417,
title = {OASIS: One-pass aligned Atlas Set for Image Segmentation},
author = {Qikui Zhu and Bo Du and Pingkun Yan},
journal= {arXiv preprint arXiv:1912.02417},
year = {2019}
}