基于粗扫描 MR 图像的肩关节递归三维分割
图像与视频处理
2022-03-16 v1 计算机视觉与模式识别
摘要
对于肩部疾病的诊断，必须从磁共振（MR）成像获取的医疗图像中观察肩胛骨与肱骨的形态偏差。然而，获取高分辨率 MR 图像耗时且昂贵，因为减小图像切片间的物理距离会导致扫描时间延长。此外，由于缺乏训练图像，必须利用来自不同来源的图像，这造成了数据集间高方差的问题。同时，由于在低分辨率下标注三维图像时难以考虑空间关系，图像中存在人为误差。为克服上述所有障碍，我们开发了一种全自动算法，用于从粗扫描低分辨率 MR 图像中分割肱骨与肩胛骨，以及一种递归学习框架，其迭代利用生成的标签以减少分割间的误差并为下一轮网络训练扩充数据集。本研究中，从若干机构收集 50 张 MR 图像并划分为五个互斥集合以进行五折交叉验证。与真值及传统方法相比，所提方法生成的轮廓展现出高准确度。所提神经网络与递归学习方案提升了低分辨率数据集上肱骨与肩胛骨分割的整体质量，并减少了真值中的错误分割，这可能对发现肩痛原因及患者早期缓解产生积极影响。
引用
@article{arxiv.2203.07846,
title = {Recursive 3D Segmentation of Shoulder Joint with Coarse-scanned MR Image},
author = {Xiaoxiao He and Chaowei Tan and Virak Tan and Kang Li},
journal= {arXiv preprint arXiv:2203.07846},
year = {2022}
}