利用源自解剖标签的合成图像进行无监督心脏分割
图像与视频处理
2023-01-18 v1 计算机视觉与模式识别
摘要
心脏分割在临床实践中需求巨大。由于手动勾画工作量巨大，无监督分割备受期待。该任务的病态优化问题本身极具挑战性，需要精心设计的约束。本文提出一个兼具强度与形状约束的无监督多类分割框架。首先，我们将传统的非凸能量函数扩展为强度约束，并用 U-Net 加以实现。对于形状约束，通过图像到图像转换从解剖标签生成合成图像，作为分割网络的形状监督。此外，应用增强不变性以促进分割网络学习形状方面的潜在特征。我们使用 MICCAI2019 MSCMR Challenge 的公开数据集对所提框架进行了评估，在心脏 MRI 上取得了令人满意的结果，Myo、LV 和 RV 的 Dice 系数分别为 0.5737、0.7796 和 0.6287。
引用
@article{arxiv.2301.06043,
title = {Unsupervised Cardiac Segmentation Utilizing Synthesized Images from Anatomical Labels},
author = {Sihan Wang and Fuping Wu and Lei Li and Zheyao Gao and Byung-Woo Hong and Xiahai Zhuang},
journal= {arXiv preprint arXiv:2301.06043},
year = {2023}
}