面向交互式体图像分割的质量感知记忆网络
计算机视觉与模式识别
2021-07-06 v2
摘要
尽管自动医学图像分割技术近期取得进展，全自动结果通常难以满足临床使用要求，且一般需要进一步细化。本文提出一种质量感知记忆网络，用于三维医学图像的交互式分割。在任意切片上提供用户引导后，首先使用交互网络获得初始的 2D 分割。随后质量感知记忆网络将初始分割估计沿双向传播至整个体数据。基于其他切片上额外用户引导的后续细化也可以相同方式融入。为进一步便利交互式分割，引入质量评估模块，基于当前各切片的分割质量建议下一个待分割切片。所提网络具有两个显著特点：1）记忆增强网络能够快速编码过往分割信息，并在其他切片分割时检索使用；2）质量评估模块使模型可直接估计分割预测的质量，从而实现主动学习范式，用户优先标注质量最低的切片进行多轮细化。所提网络构成一种鲁棒的交互式分割引擎，能很好地泛化至各类用户标注（如涂鸦、框）。在多个医学数据集上的实验结果证明了我们的方法相较现有技术的优越性。
引用
@article{arxiv.2106.10686,
title = {Quality-Aware Memory Network for Interactive Volumetric Image Segmentation},
author = {Tianfei Zhou and Liulei Li and Gustav Bredell and Jianwu Li and Ender Konukoglu},
journal= {arXiv preprint arXiv:2106.10686},
year = {2021}
}
备注
MICCAI 2021. Code: https://github.com/0liliulei/Mem3D