用于两期相医学图像分割的相位协作网络
计算机视觉与模式识别
2019-09-13 v3
摘要
在真实世界实践中，不同期相获取的医学图像具有互补信息，例如，放射科医生常参考动脉期和静脉期扫描以作出诊断。然而，在医学图像分析中，融合两期相的预测通常困难，因为（i）两期相间存在域间隙，且（ii）即使对同一患者扫描的图像，语义标签也非逐像素对应。本文研究两期相 CT 扫描中的器官分割。我们提出相位协作网络（PCN），一种包含生成与判别模块的端到端框架。PCN 可在数学上解释为联合建模期相到期相关系与数据到标签关系。实验在一个两期相 CT 数据集上进行，PCN 以较大优势优于使用单期相数据的基线，且我们通过经验验证该增益来自期相间协作。此外，PCN 可良好迁移至两个公开单期相数据集，展示了其潜在应用。
引用
@article{arxiv.1811.11814,
title = {Phase Collaborative Network for Two-Phase Medical Image Segmentation},
author = {Huangjie Zheng and Lingxi Xie and Tianwei Ni and Ya Zhang and Yan-Feng Wang and Qi Tian and Elliot K. Fishman and Alan L. Yuille},
journal= {arXiv preprint arXiv:1811.11814},
year = {2019}
}