SegReg：通过配准MR图像与CT标注分割危险器官
计算机视觉与模式识别
2024-03-04 v3
摘要
危险器官（OAR）分割是头颈肿瘤等放射治疗规划中的关键环节。然而在临床实践中，放射肿瘤科医生主要在CT扫描上手动进行OAR分割。这一手动过程极为耗时且昂贵，限制了能够及时接受放疗的患者数量。此外，与MRI相比，CT扫描的软组织对比度较低。尽管MRI提供了更优的软组织可视化，但其耗时特性使其无法用于实时治疗规划。为应对这些挑战，我们提出了一种称为SegReg的方法，其利用弹性对称归一化（Elastic Symmetric Normalization）配准MRI以执行OAR分割。SegReg在mDSC上比仅用CT的基线高出16.78%，在mIoU上高出18.77%，表明其有效结合了CT的几何精度与MRI优越的软组织对比度，使临床实践中准确的自动化OAR分割成为可能。参见项目网站 https://steve-zeyu-zhang.github.io/SegReg
引用
@article{arxiv.2311.06956,
title = {SegReg: Segmenting OARs by Registering MR Images and CT Annotations},
author = {Zeyu Zhang and Xuyin Qi and Bowen Zhang and Biao Wu and Hien Le and Bora Jeong and Zhibin Liao and Yunxiang Liu and Johan Verjans and Minh-Son To and Richard Hartley},
journal= {arXiv preprint arXiv:2311.06956},
year = {2024}
}
备注
Accepted to ISBI 2024