三叉分割CNN：一种用于早产儿点状白质病变分割的时空变换CNN
图像与视频处理
2019-10-23 v1 计算机视觉与模式识别
摘要
利用自动算法精确分割早产儿点状白质病变（PWML）可更好地辅助医生诊断。然而，现有算法存在诸多局限，如检测精度低、资源消耗大。本文提出一种称为三叉分割CNN（TS-CNN）的新型时空变换深度学习方法，用于在MR图像中分割PWML。它可将空间信息转换为时间信息，从而减少计算资源消耗。此外，提出一种称为自平衡焦点损失（SBFL）的改进训练损失，以平衡训练过程中的损失。整个模型在包含704张MR图像的数据集上进行了评估。总体而言，该方法取得中位DSC、灵敏度、特异度和Hausdorff距离分别为0.6355、0.7126、0.9998和24.5836 mm，优于当前最先进算法。（代码现已发布于 https://github.com/YalongLiu/Trident-Segmentation-CNN）
引用
@article{arxiv.1910.09773,
title = {Trident Segmentation CNN: A Spatiotemporal Transformation CNN for Punctate White Matter Lesions Segmentation in Preterm Neonates},
author = {Yalong Liu and Jie Li and Miaomiao Wang and Zhicheng Jiao and Jian Yang and Xianjun Li},
journal= {arXiv preprint arXiv:1910.09773},
year = {2019}
}