基于潜语义特征共配准的甲状腺结节超声图像分割
图像与视频处理
2024-01-23 v2 计算机视觉与模式识别
摘要
甲状腺结节超声成像中的结节分割在甲状腺癌的检测与治疗中起着关键作用。然而，由于不同医院中超声设备厂商与成像协议的多样性，已在医学图像分割领域展现出专家级精度的自动分割模型，在应用于临床真实环境时，因其泛化性能较弱而导致精度下降。为解决此问题，本文提出 ASTN，一种通过新型共配准网络实现甲状腺结节分割的框架。该框架从图谱与目标图像中提取潜语义信息，并利用深层特征完成甲状腺结节超声图像的共配准，从而保障解剖结构的完整性，并降低不同设备引起的图像整体差异对分割的影响。此外，本文还提供了一种图谱选择算法，以缓解共配准的困难。来自不同设备数据集的评估结果表明，得益于我们所提出的方法，模型在保持高分割精度的同时泛化能力得到大幅提升。
引用
@article{arxiv.2310.09221,
title = {Ultrasound Image Segmentation of Thyroid Nodule via Latent Semantic Feature Co-Registration},
author = {Xuewei Li and Yaqiao Zhu and Jie Gao and Xi Wei and Ruixuan Zhang and Yuan Tian and ZhiQiang Liu},
journal= {arXiv preprint arXiv:2310.09221},
year = {2024}
}