用于精确左心房分割的带在线难例挖掘的金字塔网络
计算机视觉与模式识别
2018-12-17 v1
摘要
在 MR 体数据中精确分割左心房有助于房颤的消融手术。传统的自动化方案往往无法将专家从劳动密集型的手动标注中解放出来。本文中，我们提出一种基于深度神经网络的方案，用于在钆增强 MR 体数据中以良好性能实现自动化左心房分割。我们首先指出，对于该体数据分割任务，2D 形式的网络在时间和分割精度上可较 3D 形式网络展现巨大优势。考虑到心房形状的高度多变以及相关肺静脉的分支结构，我们提议采用金字塔模块从多尺度特征图中收集语义线索以实现细粒度分割。同时，为提升网络对难例的分类能力，我们提出一种在线难负例挖掘策略，以识别切片中分类置信度低的体素并惩罚其上的错误预测。最后，我们设计了一种竞争训练方案以进一步增强网络的泛化能力。在 20 个测试体数据上广泛验证，我们提出的框架在分割左心房及肺静脉时取得了 92.83% 的平均 Dice 系数。
引用
@article{arxiv.1812.05802,
title = {Pyramid Network with Online Hard Example Mining for Accurate Left Atrium Segmentation},
author = {Cheng Bian and Xin Yang and Jianqiang Ma and Shen Zheng and Yu-An Liu and Reza Nezafat and Pheng-Ann Heng and Yefeng Zheng},
journal= {arXiv preprint arXiv:1812.05802},
year = {2018}
}
备注
9 pages, 4 figures. MICCAI Workshop on STACOM 2018