基于半监督深度学习的盆底MRI分割
计算机视觉与模式识别
2023-11-23 v2 人工智能
摘要
通过MRI对盆底器官进行语义分割具有重要的临床意义。近年来，基于深度学习的语义分割促进了盆底器官的三维几何重建，为临床医生提供了准确且直观的诊断结果。然而，通常由临床医生完成的盆底MRI分割标注任务劳动强度大且成本高，导致标注稀缺。不足的分割标注限制了盆底器官的精确分割与重建。为解决这些问题，我们提出了一种用于盆腔器官分割的半监督框架。该框架的实现包括两个阶段。第一阶段，利用图像恢复任务进行自监督预训练。随后，使用标注数据对自监督模型进行微调以训练分割模型。第二阶段，利用自监督分割模型为无标注数据生成伪标签。最终，在半监督训练中同时利用标注与无标注数据。经评估，我们的方法显著提升了盆腔器官语义分割与几何重建的性能，Dice系数平均可提高2.65%。特别是对于子宫等难以分割的器官，语义分割精度最高可提升3.70%。
引用
@article{arxiv.2311.03105,
title = {Pelvic floor MRI segmentation based on semi-supervised deep learning},
author = {Jianwei Zuo and Fei Feng and Zhuhui Wang and James A. Ashton-Miller and John O. L. Delancey and Jiajia Luo},
journal= {arXiv preprint arXiv:2311.03105},
year = {2023}
}