用于腹部器官自动分割的循环特征传播与边缘跳跃连接
图像与视频处理
2023-05-22 v2 计算机视觉与模式识别
摘要
计算机断层扫描（CT）图像中腹部器官的自动分割可支持放射治疗和图像引导手术工作流。此类自动解决方案的开发仍具挑战性，主要源于 CT 图像中复杂的器官交互与模糊边界。为解决这些问题，我们聚焦于有效的空间上下文建模与显式边缘分割先验。相应地，我们提出了一种端到端训练的 3D 网络，包含四个主要组件：共享编码器、边缘检测器、带边缘跳跃连接（ESCs）的解码器以及循环特征传播头（RFP-Head）。为捕获广范围空间依赖，RFP-Head 通过以高效的逐切片方式由循环连接构建的有向无环图（DAGs），依据图像单元的空间排布传播并提取局部特征。为利用边缘信息，边缘检测器通过利用来自编码器的中间特征并结合边缘监督，学习专为语义分割调优的边缘先验知识。随后 ESCs 将边缘知识与多级解码器特征聚合，以学习显式建模器官内部与边缘间互补性的判别性特征层次用于分割。我们在两个具八类标注器官的具挑战性腹部 CT 数据集上进行了广泛实验。实验结果表明，所提网络优于若干最先进模型，尤其对于小且复杂结构（胆囊、食管、胃、胰腺和十二指肠）的分割。代码将公开可用。
引用
@article{arxiv.2201.00317,
title = {Recurrent Feature Propagation and Edge Skip-Connections for Automatic Abdominal Organ Segmentation},
author = {Zefan Yang and Di Lin and Dong Ni and Yi Wang},
journal= {arXiv preprint arXiv:2201.00317},
year = {2023}
}