基于风格迁移的 X 射线血管造影中冠状动脉分割
图像与视频处理
2021-09-06 v1
摘要
X 射线冠状动脉造影（XCA）是识别冠状动脉疾病的主要方法。基于深度学习的网络近来在从 XCA 扫描诊断冠状动脉疾病方面展现出巨大前景。本文提出一种基于深度学习的边缘自适应实例归一化风格迁移技术，用于分割冠状动脉。所提技术将自适应实例归一化风格迁移与密集极端 Inception 网络及卷积块注意力模块相结合，以获得最佳的动脉分割性能。我们在两个公开可用的 XCA 数据集上测试了所提方法，取得了 0.9658 的分割准确率和 0.71 的 Dice 系数。我们相信所提方法表明，通过在自然图像上训练可在最快时间内完成预测，并可可靠地用于诊断和检测冠状动脉疾病。
引用
@article{arxiv.2109.01441,
title = {Style Transfer based Coronary Artery Segmentation in X-ray Angiogram},
author = {Supriti Mulay and Keerthi Ram and Balamurali Murugesan and Mohanasankar Sivaprakasam},
journal= {arXiv preprint arXiv:2109.01441},
year = {2021}
}
备注
Accepted in ICCV Workshop on Computer Vision for Automated Medical Diagnosis 2021