面向胸片中鲁棒肺分割的深度学习研究
计算机视觉与模式识别
2018-12-03 v1
摘要
肺的自动分割在计算机辅助诊断胸部 X 光（CXR）图像中起着关键作用。由于肋骨和锁骨处存在多条边缘、不同个体肺形状不一致以及肺尖的出现等困难，开发高效的肺分割模型具有挑战性。本文中，我们提出一种用于胸片中肺分割的鲁棒模型。我们的模型学习忽略输入胸片中的无关区域，同时高亮对肺分割有用的区域。所提模型在两个公开胸部 X 光数据集（美国马里兰州蒙哥马利县和中国深圳市第三人民医院）上进行了评估。以 98.6% 的 DICE 分数得到的实验结果证明了我们所提肺分割方法的鲁棒性。
引用
@article{arxiv.1811.12638,
title = {Towards Robust Lung Segmentation in Chest Radiographs with Deep Learning},
author = {Jyoti Islam and Yanqing Zhang},
journal= {arXiv preprint arXiv:1811.12638},
year = {2018}
}
备注
Machine Learning for Health (ML4H) Workshop at NeurIPS 2018 arXiv:cs/0101200