T1加权MRI中精确的小样本无脂肪大腿肌肉分割
图像与视频处理
2023-04-28 v1 计算机视觉与模式识别
机器学习
摘要
精确的大腿肌肉体积对于监测可能导致不同程度大腿肌肉损失的疾病患者的运动功能至关重要。由于肌肉与脂肪信号之间的对比度，T1加权 MRI 是获取大腿肌肉掩膜的默认替代方法。深度学习方法最近已被广泛用于通过分割获取这些掩膜。然而，由于缺乏精确的标注，深度学习方法生成的大腿肌肉掩膜倾向于将肌内脂肪（IMF）误分类为肌肉，从而影响肌肉体积分析。由于 IMF 浸润在肌肉内部，人工标注需要专业知识和时间。因此，在实践中排除了 IMF 的精确肌肉掩膜十分有限。为了缓解这一问题，我们提出了一种小样本分割框架，用于生成排除 IMF 的大腿肌肉掩膜。在我们的框架中，我们设计了一种新颖的伪标签校正与评估方案，以及一种用于利用高确定性区域的新型抗噪损失。所提出的框架仅使用 的精细标注训练数据集，并根据实验结果取得了与全监督方法相当的性能。
引用
@article{arxiv.2304.14053,
title = {Precise Few-shot Fat-free Thigh Muscle Segmentation in T1-weighted MRI},
author = {Sheng Chen and Zihao Tang and Dongnan Liu and Ché Fornusek and Michael Barnett and Chenyu Wang and Mariano Cabezas and Weidong Cai},
journal= {arXiv preprint arXiv:2304.14053},
year = {2023}
}
备注
ISBI2023, Few-shot, Intra-muscular fat, Thigh muscle segmentation, Pseudo-label denoising, MRI