基于域适应与自训练的单层大腿 CT 肌肉群分割
图像与视频处理
2022-12-26 v1 计算机视觉与模式识别
摘要
目的：大腿肌肉群分割对于评估肌肉解剖、代谢疾病和衰老非常重要。已有许多努力致力于利用磁共振（MR）成像量化肌肉组织，包括对单个肌肉的手动标注。然而，利用 MR 图像中公开可用的标注来实现单层计算机断层扫描（CT）大腿图像的肌肉群分割具有挑战性。方法：我们提出了一种带有自训练的无监督域适应流水线，以将标签从 3D MR 转移到单层 CT。首先，我们使用 CycleGAN 将图像外观从 MR 转换为 CT，并同时将合成的 CT 图像输入分割器。根据分割器推理出的伪标签的熵，将单层 CT 分为困难组和容易组。在基于解剖学假设细化容易组的伪标签后，应用带有容易和困难划分的自训练来微调分割器。结果：在 152 张保留的单层大腿 CT 图像上，所提出的流水线在包括缝匠肌、腘绳肌、股四头肌和股薄肌在内的所有肌肉群上实现了 0.888(0.041) 的平均 Dice。结论：据我们所知，这是首个实现从 MR 到 CT 大腿成像域适应的流水线。所提出的流水线在提取 2D 单层大腿 CT 图像上的肌肉群时有效且稳健。该容器可在 https://github.com/MASILab/DA_CT_muscle_seg 公开使用。
引用
@article{arxiv.2212.00059,
title = {Single Slice Thigh CT Muscle Group Segmentation with Domain Adaptation and Self-Training},
author = {Qi Yang and Xin Yu and Ho Hin Lee and Leon Y. Cai and Kaiwen Xu and Shunxing Bao and Yuankai Huo and Ann Zenobia Moore and Sokratis Makrogiannis and Luigi Ferrucci and Bennett A. Landman},
journal= {arXiv preprint arXiv:2212.00059},
year = {2022}
}