利用任务对应一致性同时进行骨骼与阴影分割的网络

在 ultrasound (US) 引导的骨科手术中，分割骨骼表面及其对应的声影是基础任务。然而，由于 US 图像中骨骼表面响应微弱且模糊、跨机器差异、成像伪影以及低信噪比，这些任务极具挑战性。值得注意的是，骨骼阴影是由软组织与骨骼表面之间显著的声阻抗失配引起的。为了利用这些高度相关任务之间的互信息，我们提出了一个单一的端到端网络，该网络具有共享的基于 transformer 的编码器和任务独立的解码器，用于同时进行骨骼与阴影分割。为了共享互补特征，我们提出了一个跨任务特征转移块，该块学习将有意义的特征从阴影分割的解码器转移到骨骼分割的解码器，反之亦然。我们还引入了对应一致性损失，确保网络利用骨骼表面及其对应阴影之间的相互依赖性来精修分割。与专家标注的对比验证表明，该方法在骨骼表面和阴影分割方面均优于之前的 SOTA。