用于计算机断层扫描下颌骨分割的循环卷积神经网络
图像与视频处理
2020-03-17 v1 计算机视觉与模式识别
摘要
近来，基于深度学习方法的 CT 扫描中精确下颌骨分割引起了广泛关注。然而，仍存在两个主要挑战，即下颌骨中的金属伪影以及个体间形状或大小的巨大差异。为应对这两个挑战，我们提出一种循环分割卷积神经网络（RSegCNN），其将分割卷积神经网络（SegCNN）嵌入循环神经网络（RNN）中，以实现鲁棒且准确的下颌骨分割。该系统的这种设计考虑了 CT 扫描中相邻图像切片所捕获的下颌骨形状的相似性与连续性。RSegCNN 基于嵌入编码器-解码器分割（SegCNN）组件的循环结构推断下颌骨信息。循环结构引导系统利用来自相邻切片的相关重要信息，而 SegCNN 组件则聚焦于单个 CT 切片中的下颌骨形状。我们在两个头颈 CT 数据集上进行了大量实验来评估所提出的 RSegCNN。实验结果表明，RSegCNN 显著优于用于精确下颌骨分割的当前最优（SOTA）模型。
引用
@article{arxiv.2003.06486,
title = {Recurrent convolutional neural networks for mandible segmentation from computed tomography},
author = {Bingjiang Qiu and Jiapan Guo and Joep Kraeima and Haye H. Glas and Ronald J. H. Borra and Max J. H. Witjes and Peter M. A. van Ooijen},
journal= {arXiv preprint arXiv:2003.06486},
year = {2020}
}