基于随机游走的稀疏标注用于同步辐射显微层析中可降解骨植入物的U-Net分割
图像与视频处理
2019-08-13 v1
摘要
目前，骨科和创伤学中大多数骨植入物是不可降解的，可能需要在日后手术取出，例如儿童病例。这种取出伴随健康风险，而使用可降解植入物可将风险降至最低。因此，基于镁的植入物研究正在进行，其可通过同步辐射显微层析及后续图像分析进行客观量化。为评估这些材料的适用性（如随时间的稳定性），需要对这些高分辨率扫描进行准确的逐像素分割。全卷积U-Net架构在使用带有密集专家标注的小数据集训练时达到0.750 ± 0.102的Dice系数。然而，将学习扩展到更大数据集将需要 prohibitive 的标注工作量。因此，在本工作中我们实现并比较了仅需一小部分手动标注像素的新训练方法。虽然直接在这些涂鸦标注上训练使分割质量下降26.8个百分点，我们新的基于随机游走的半自动目标实现了与密集监督相同的Dice重叠，从而为稀疏标注提供了更有前景的方法。
引用
@article{arxiv.1908.04173,
title = {Sparse Annotations with Random Walks for U-Net Segmentation of Biodegradable Bone Implants in Synchrotron Microtomograms},
author = {Niclas Bockelmann and Diana Krüger and D. C. Florian Wieland and Berit Zeller-Plumhoff and Niccoló Peruzzi and Silvia Galli and Regine Willumeit-Römer and Fabian Wilde and Felix Beckmann and Jörg Hammel and Julian Moosmann and Mattias P. Heinrich},
journal= {arXiv preprint arXiv:1908.04173},
year = {2019}
}
备注
MIDL 2019 [arXiv:1907.08612] Extended Abstract