面向交互式图像分割的鲁棒种子掩码生成
计算机视觉与模式识别
2017-11-21 v1
摘要
在交互式医学图像分割中，解剖结构从重建的体数据图像中被提取出来。传统上，用户交互的初次迭代包括绘制图像提示作为待提取目标的初始估计。只有在这一耗时的初始阶段之后，对当前分割结果的高效选择性细化才开始。错误标注的种子，尤其是靠近目标边界的，对人类而言难以检测与替换，并可能显著影响整体分割质量。我们提出一种自动种子生成流水线以及基于显著性识别的配置，以跳过分割过程中耗时的初始交互阶段。在测试数据集上，首次用户交互前即达到 68.22% 的中值 Dice 分数，且种子错误率仅为 0.088%。
引用
@article{arxiv.1711.07419,
title = {Robust Seed Mask Generation for Interactive Image Segmentation},
author = {Mario Amrehn and Stefan Steidl and Markus Kowarschik and Andreas Maier},
journal= {arXiv preprint arXiv:1711.07419},
year = {2017}
}
备注
Medical Imaging Conference (MIC) 2017