SCAN: 用于胸部 X 光图像中器官分割的结构校正对抗网络
计算机视觉与模式识别
2017-04-11 v2
摘要
胸部 X 光(CXR)是最常开具的医学影像检查之一，其扫描量通常比其他影像模态(如 MRI、CT 扫描和 PET 扫描)多出 2-10 倍以上。这些海量的 CXR 扫描给放射科医生和医疗从业者带来了沉重的工作负担。器官分割是在 CXR 上获得有效计算机辅助检测的关键步骤。在本工作中，我们提出结构校正对抗网络(SCAN)来分割 CXR 图像中的肺野和心脏。SCAN 引入一个判别网络(critic network)，将人体生理涌现出的结构规律性施加于卷积分割网络。在训练期间，判别网络学习区分真实的器官标注与分割网络合成的掩码。通过对抗过程，判别网络学习高阶结构并引导分割模型实现逼真的分割结果。大量实验表明，我们的方法产生了高度准确且自然的分割。仅使用可用的极有限训练数据，我们的模型在不依赖任何已有训练模型或数据集的情况下达到了人类水平性能。我们的方法对来自不同患者群体和疾病谱的 CXR 图像也具有很好的泛化能力，超越了当前最先进水平(SOTA)。
引用
@article{arxiv.1703.08770,
title = {SCAN: Structure Correcting Adversarial Network for Organ Segmentation in Chest X-rays},
author = {Wei Dai and Joseph Doyle and Xiaodan Liang and Hao Zhang and Nanqing Dong and Yuan Li and Eric P. Xing},
journal= {arXiv preprint arXiv:1703.08770},
year = {2017}
}
备注
10 pages, 7 figures, submitted to ICCV 2017