迈向全身 CT 骨骼分割
计算机视觉与模式识别
2018-04-04 v1
摘要
从 CT 图像中分割骨骼是一项已研究数十年的任务。它是多种诊断或治疗规划方法的重要组成部分，并与多种疾病相关。由于高质量的人工和半自动骨骼分割非常耗时，在许多场景下，一种可靠且全自动的方法将极具价值。在本文中，我们提出了一种受 UNet 启发的架构，使用深度学习来解决该任务。我们在多发性骨髓瘤患者的全身 CT 扫描上评估了该方法。由于该疾病会导致骨骼分解，因此精确的分割对于评估骨密度、疾病分期和局灶性病变定位至关重要。该方法在一个包含取自 15 次全身 CT 扫描的 6000 张 2D 图像切片的内部数据集上进行了评估，实现了 0.96 的 Dice 系数和 0.94 的 IOU。
引用
@article{arxiv.1804.00908,
title = {Towards whole-body CT Bone Segmentation},
author = {André Klein and Jan Warszawski and Jens Hillengaß and Klaus H. Maier-Hein},
journal= {arXiv preprint arXiv:1804.00908},
year = {2018}
}
备注
Accepted conference paper at BVM 2018