用于稀疏标注主动脉图像序列分割的循环神经网络
计算机视觉与模式识别
2018-08-02 v1
摘要
图像序列分割是医学图像分析中的一项重要任务，可使临床医生评估运动器官的解剖结构与功能。然而，将分割算法直接应用于序列的每一时间帧可能忽略序列固有的时间连续性。本工作中，我们提出一种图像序列分割算法，将全卷积网络与循环神经网络相结合，将空间与时间信息同时引入分割任务。训练该网络的一个关键挑战是可用的人工标注在时间上稀疏，这阻碍了端到端训练。我们通过在非刚性标注上执行标签传播并引入指数加权损失函数进行训练来应对这一挑战。在主动脉 MR 图像序列上的实验表明，与仅利用空间信息的基线方法相比，所提方法显著提升了分割的准确性与时间平滑性。其在升主动脉上取得 0.960 的平均 Dice 指标，在降主动脉上取得 0.953。
引用
@article{arxiv.1808.00273,
title = {Recurrent neural networks for aortic image sequence segmentation with sparse annotations},
author = {Wenjia Bai and Hideaki Suzuki and Chen Qin and Giacomo Tarroni and Ozan Oktay and Paul M. Matthews and Daniel Rueckert},
journal= {arXiv preprint arXiv:1808.00273},
year = {2018}
}
备注
Accepted for publication by MICCAI 2018