基于多视角注意力深度学习的左心房解剖与瘢痕同步分割
图像与视频处理
2020-02-04 v1 计算机视觉与模式识别
摘要
针对房颤(AF)患者左心房瘢痕的三维延迟钆增强(LGE)心脏磁共振(CMR)近来已成为一种有前景的技术，用于患者分层、引导消融治疗及预测疗效。这需要对高信号瘢痕组织进行分割，同时也需对左心房(LA)解剖进行分割，后者通常源自独立的亮血采集。从单次三维LGE CMR采集自动完成两种分割将免去额外采集并避免后续的配准问题。本文提出一种基于多视角双任务(MVTT)递归注意力模型的直接作用于三维LGE CMR图像的联合分割方法，在同一数据集上分割LA(及近端肺静脉)并勾画瘢痕。利用我们的MVTT递归注意力模型，LA解剖与瘢痕均可被准确(LA解剖平均Dice系数93%，瘢痕分割87%)且高效(~0.27秒从含60-68张二维切片的三维LGE CMR数据集直接同步分割LA解剖与瘢痕)地分割。相比传统无监督学习与其他最先进的基于深度学习方法，所提MVTT模型取得优异结果，实现了针对AF患者的结合瘢痕分割的患者特异性解剖模型自动生成。
引用
@article{arxiv.2002.00440,
title = {Simultaneous Left Atrium Anatomy and Scar Segmentations via Deep Learning in Multiview Information with Attention},
author = {Guang Yang and Jun Chen and Zhifan Gao and Shuo Li and Hao Ni and Elsa Angelini and Tom Wong and Raad Mohiaddin and Eva Nyktari and Ricardo Wage and Lei Xu and Yanping Zhang and Xiuquan Du and Heye Zhang and David Firmin and Jennifer Keegan},
journal= {arXiv preprint arXiv:2002.00440},
year = {2020}
}
备注
34 pages, 10 figures, 7 tables, accepted by Future Generation Computer Systems journal