基于单一真值标签的听小骨自监督配准与分割
图像与视频处理
2023-02-17 v1 计算机视觉与模式识别
摘要
AI 辅助手术因其在提高手术成功率方面的实际影响而受到医学图像研究界的关注。对于图像引导手术（如人工耳蜗植入（CIs）），准确的物体分割可为术前医生提供有用信息。近期发表的利用机器学习的图像分割方法通常依赖大量人工预定义的真值标签。然而，准备此类数据集是一项费力且耗时的任务。本文提出一种使用自监督 3D-UNet 的新技术，其生成图谱与目标图像之间的稠密形变场，可用于基于图谱的听小骨分割。我们的结果表明，基于 Dice 相似系数与点对点误差比较，该方法优于传统图像分割方法，并在听小骨周围生成更精确的边界。所提方法使平均 Dice 系数提升 8.51%。
引用
@article{arxiv.2302.07967,
title = {Self-supervised Registration and Segmentation of the Ossicles with A Single Ground Truth Label},
author = {Yike Zhang and Jack Noble},
journal= {arXiv preprint arXiv:2302.07967},
year = {2023}
}
备注
conference