用于 CT 多类 COVID-19 分割的四重增强金字塔网络
图像与视频处理
2021-09-22 v2 计算机视觉与模式识别
摘要
COVID-19 作为一种新型冠状病毒疾病株，已成为全球最严重且最具传染性的疾病之一。胸部 CT 在预后评估、疾病诊断及并发症评判中至关重要。本文提出一种多类 COVID-19 CT 分割方法，旨在帮助放射科医生评估受累肺体积的范围。我们在编码器-解码器分割框架上利用了四个增强金字塔网络。四重增强金字塔网络（QAP-Net）不仅使 CNN 能够从不同尺寸的 CT 影像中捕获特征，还充当空间互联与下采样以传递充足的语义分割特征信息。实验结果在分割中取得了具有竞争力的性能，Dice 系数达 0.8163，优于其他最先进方法，表明所提框架能够高效且准确地通过 COVID-19 胸部 CT 分割实变以及磨玻璃区域。
引用
@article{arxiv.2103.05546,
title = {Quadruple Augmented Pyramid Network for Multi-class COVID-19 Segmentation via CT},
author = {Ziyang Wang and Irina Voiculescu},
journal= {arXiv preprint arXiv:2103.05546},
year = {2021}
}