用于心脏 MR 分割的形状约束 CNN：形状与位姿参数的同步预测
图像与视频处理
2022-08-18 v1 计算机视觉与模式识别
摘要
使用卷积神经网络（CNN）的语义分割在许多医学分割任务中处于最先进水平，包括心脏 MR 图像中的左心室（LV）分割。然而，一个缺陷是这些 CNN 缺乏显式的形状约束，偶尔会导致不真实的分割结果。在本文中，我们通过回归从统计形状模型导出的位姿和形状参数来执行左心室和心肌分割。集成的形状模型对预测的分割进行正则化并保证真实的形状。此外，与语义分割相比，它允许直接计算区域度量，例如心肌厚度。我们通过在训练期间同时构建分割距离图来增强形状和位姿预测的鲁棒性。我们在包含 75 名受试者的内部临床数据集上以五折交叉验证评估了所提出的方法，该数据集共包含 1539 张描绘的心尖至基底左心室短轴切片，并且实现了左心室面积 99%、心肌面积 94%、左心室尺寸 98% 和局部室壁厚度 88% 的相关性。该方法还在 LVQuan18 和 LVQuan19 公共数据集上进行了额外验证，并取得了最先进的结果。
引用
@article{arxiv.2010.08952,
title = {Shape Constrained CNN for Cardiac MR Segmentation with Simultaneous Prediction of Shape and Pose Parameters},
author = {Sofie Tilborghs and Tom Dresselaers and Piet Claus and Jan Bogaert and Frederik Maes},
journal= {arXiv preprint arXiv:2010.08952},
year = {2022}
}
备注
Presented at the 11th Workshop on Statistical Atlases and Computational Modeling of the Heart (STACOM 2020), held in conjunction with MICCAI 2020