基于Saab变换的逐次子空间学习从电影MRI分割心脏结构
图像与视频处理
2021-07-23 v1 计算机视觉与模式识别
机器学习
摘要
利用电影磁共振成像（MRI）评估心血管疾病（CVD）已被用于非侵入性地评价详细的心脏结构与功能。从电影MRI中准确分割心脏结构是对CVD进行早期诊断和预后判断的关键步骤，并且已通过卷积神经网络（CNN）得到极大改进。然而，CNN模型存在若干局限性，如可解释性有限和复杂度高，从而限制了其在临床实践中的使用。在这项工作中，为应对这些局限，我们提出了一种轻量且可解释的机器学习模型——采用带调整偏置的子空间近似（Saab）变换的逐次子空间学习，用于从电影MRI中进行准确而高效的分割。具体而言，我们的分割框架由以下步骤组成：（1）在不同分辨率下对近邻到远邻的序贯扩展；（2）使用Saab变换进行通道明智的子空间近似以实现无监督降维；（3）基于类明智熵引导的特征选择进行监督降维；（4）特征拼接与基于梯度提升的像素级分类；（5）条件随机场后处理。在ACDC 2017分割数据库上的实验结果表明，我们的框架在描绘左心室、右心室和心肌方面优于最先进的U-Net模型，且参数量减少200，从而显示出其在临床实践中应用的潜力。
引用
@article{arxiv.2107.10718,
title = {Segmentation of Cardiac Structures via Successive Subspace Learning with Saab Transform from Cine MRI},
author = {Xiaofeng Liu and Fangxu Xing and Hanna K. Gaggin and Weichung Wang and C. -C. Jay Kuo and Georges El Fakhri and Jonghye Woo},
journal= {arXiv preprint arXiv:2107.10718},
year = {2021}
}
备注
43rd Annual International Conference of the IEEE Engineering in Medicine and Biology Society (EMBC 2021)