SK-Unet:一种带选择性核的改进 U-net 模型用于多序列心脏 MR 分割
图像与视频处理
2020-01-06 v1
摘要
在临床环境中,心肌梗死 (MI) 作为一种常见心血管疾病主要基于晚期钆增强 (LGE) 心脏磁共振图像 (CMRIs) 进行评估。LGE CMRIs 中左心室 (LV)、右心室 (RV) 与左室心肌 (LVM) 的自动分割是临床辅助诊断所需的。为完成此分割任务,本文提出一种改进的 U-net 架构,通过结合多序列 CMRIs,包括 cine、LGE 与 T2 加权 CMRIs。cine 与 T2 加权 CMRIs 用于辅助 LGE CMRIs 中的分割。在该分割网络中,压缩激励残差 (SE-Res) 与选择性核 (SK) 模块分别插入下采样与上采样阶段。SK 模块使所得特征图在空间与通道维度上更具信息性,并获得更精确的分割结果。所用数据集来自 MICCAI 挑战赛 (MS-CMRSeg 2019),采集自 45 名患者,含三个 CMR 序列。来自 35 名患者的 cine 与 T2 加权 CMRIs 及来自 5 名患者的 LGE CMRIs 被标注。我们的方法在 LGE CMRIs 中取得平均 dice 系数 0.922 (LV)、0.827 (LVM) 与 0.874 (RV)。
引用
@article{arxiv.2001.00736,
title = {SK-Unet: an Improved U-net Model with Selective Kernel for the Segmentation of Multi-sequence Cardiac MR},
author = {Xiyue Wang and Sen Yang and Mingxuan Tang and Yunpeng Wei and Ling He and Jing Zhang and Xiao Han},
journal= {arXiv preprint arXiv:2001.00736},
year = {2020}
}