33个解剖结构的通用分割
图像与视频处理
2022-03-07 v1 计算机视觉与模式识别
摘要
在本文中，我们提出一种学习单一模型以通用分割33个解剖结构（包括椎骨、骨盆骨和腹部器官）的方法。我们的模型构建需应对以下挑战。首先，尽管从大规模全标注数据集学习此类模型最为理想，但实际难以收集这样的数据集。因此，我们求助于从多个数据集的并集中学习，其中每个数据集包含部分标注的图像。其次，在部分标注方面，我们贡献了一个开源、大规模的椎骨分割数据集CTSpine1K，以惠及脊柱分析社区，其拥有超过1000个3D体数据和超过11K个标注椎骨。第三，在3D医学图像分割任务中，受GPU内存限制，我们总是使用裁剪的补丁而非整个3D体数据作为模型输入进行训练，这限制了可学习的上下文信息量。对此，我们提出一种跨补丁transformer模块来融合相邻补丁中的更多信息，从而扩大聚合感受野以提升分割性能。这对于分割例如细长的脊柱尤为重要。基于共包含约2800个3D体数据的7个部分标注数据集，我们成功学习了这样一个通用模型。最后，我们在多个开源数据集上评估该通用模型，证明我们的模型具有良好的泛化性能，并可作为下游任务的坚实基础。
引用
@article{arxiv.2203.02098,
title = {Universal Segmentation of 33 Anatomies},
author = {Pengbo Liu and Yang Deng and Ce Wang and Yuan Hui and Qian Li and Jun Li and Shiwei Luo and Mengke Sun and Quan Quan and Shuxin Yang and You Hao and Honghu Xiao and Chunpeng Zhao and Xinbao Wu and S. Kevin Zhou},
journal= {arXiv preprint arXiv:2203.02098},
year = {2022}
}