迈向自动腹部MRI器官分割：利用从CT标签生成的合成数据
图像与视频处理
2024-03-26 v1 计算机视觉与模式识别
摘要
深度学习在自动标注磁共振成像（MRI）扫描中的器官（例如大脑）方面显示出巨大潜力。然而，尽管该领域取得了进展，准确分割腹部器官在MR中仍然困难。部分原因可能是图像外观的更大变异性和训练标签的严重有限性。计算机断层扫描（CT）扫描的固有性质使其更容易标注，从而导致后者有更多的专家标注可用。我们利用一种模态无关的域随机化方法，在训练过程中利用CT标签图即时生成合成图像，进一步用于训练U-Net分割网络进行腹部器官分割。我们的方法显示出与在MR数据上训练的完全监督分割方法相当的结果。我们的方法在右肾和左肾上分别获得了0.90（0.08）和0.91（0.08）的Dice分数，而预训练的nnU-Net模型分别为0.87（0.20）和0.91（0.03）。我们将公开我们的代码。
引用
@article{arxiv.2403.15609,
title = {Towards Automatic Abdominal MRI Organ Segmentation: Leveraging Synthesized Data Generated From CT Labels},
author = {Cosmin Ciausu and Deepa Krishnaswamy and Benjamin Billot and Steve Pieper and Ron Kikinis and Andrey Fedorov},
journal= {arXiv preprint arXiv:2403.15609},
year = {2024}
}
备注
13 pages