利用全卷积网络和手工特征进行电影磁共振图像的分割与分类
计算机视觉与模式识别
2017-09-12 v2
摘要
三维电影 MRI 对于评估心脏功能至关重要。描述心脏结构（如左心室 (LV)、右心室 (RV) 和心肌 (MC)）解剖和功能的特征已知具有显著的诊断价值，且可从 3D 电影 MR 图像中计算得出。然而，这些特征需要对心脏结构进行精确分割。在全自动分割方法中，带有跳跃连接的全卷积网络 (FCN) 在医学分割问题中显示出鲁棒性。在本研究中，我们开发了一个基于 3D 电影 MRI 对患有心脏疾病的受试者进行分类的完整流程。对于分割任务，我们开发了一个 2D FCN 并引入了并行路径 (PP) 作为利用电影 MR 图像 3D 信息的一种方式。对于分类任务，从分割结构中提取了 125 个特征，描述其解剖和功能。接下来，开发了一个使用 LASSO 方法进行特征选择的两阶段流程。选择了 20 个特征的子集用于分类。每个受试者通过多数投票使用逻辑回归、多层感知机和支持向量机分类器的集成进行分类。LV、RV 和 MC 的分割 Dice 系数分别为 0.95+-0.03、0.89+-0.13 和 0.90+-0.03。基于真实值和所提出方法分割的分类任务的 8 折交叉验证准确率分别为 95.05% 和 92.77%。结果表明，PP 通过利用空间关系提高了分割精度。此外，分类算法和特征显示出判别力，同时将对分割误差的敏感性保持在尽可能低的水平。
引用
@article{arxiv.1709.02565,
title = {Segmentation and Classification of Cine-MR Images Using Fully Convolutional Networks and Handcrafted Features},
author = {M. Hossein Eybposh and Mohammad Haghir Ebrahim-Abadi and Mohammad Jalilpour-Monesi and Seyed Saman Saboksayr},
journal= {arXiv preprint arXiv:1709.02565},
year = {2017}
}
备注
9 pages, 3 figures, 2 tables. Was accepted to the ACDC challenge, MICCAI 2017 (not attended)