具有位置先验的连体网络用于肝脏超声序列中的标志点追踪
计算机视觉与模式识别
2019-01-25 v1 图像与视频处理
摘要
图像引导放射治疗可受益于超声成像的精确运动追踪，以最小化治疗边界并照射运动的解剖目标（例如因呼吸而移动者）。表述该追踪问题的一种方式是在时间超声序列中自动定位给定的被追踪解剖标志点。为此，我们提出一种全卷积连体网络，其学习包含同一标志点的图像区域对之间的相似性。据此，它学会定位并因而追踪任意图像特征，而非仅预定义的解剖结构。我们采用时间一致性模型作为位置先验，将其与网络预测的位置概率图结合，以在超声序列中迭代追踪目标。我们将该方法应用于肝脏超声追踪挑战赛（CLUST）数据集，取得了具竞争力的结果；得益于我们的时间正则化，本工作是首个在此追踪问题上有效应用 CNN 的研究。
引用
@article{arxiv.1901.08109,
title = {Siamese Networks with Location Prior for Landmark Tracking in Liver Ultrasound Sequences},
author = {Alvaro Gomariz and Weiye Li and Ece Ozkan and Christine Tanner and Orcun Goksel},
journal= {arXiv preprint arXiv:1901.08109},
year = {2019}
}
备注
Accepted at the IEEE International Symposium on Biomedical Imaging (ISBI) 2019