V-FCNN:用于心房自动分割的体全卷积神经网络
机器学习
2018-09-28 v2 计算机视觉与模式识别
机器学习
摘要
心房颤动(AF)是一种常见的电生理心脏疾病,会引起心房解剖结构的变化。更好地刻画这些变化有助于定义临床生物标志物,因此需要从临床图像中对其进行全自动分割。本文提出一种基于 3D 卷积核的架构,即体全卷积神经网络(V-FCNN),能够一次性分割整个体积,从而整合高分辨率图像中固有的空间冗余。损失函数基于均方误差(MSE)与 Dice 损失(DL)的混合,试图结合捕获整体形状的能力与减少过分割导致的局部误差。结果表明,该方法在心房中部区域具有合理性能,同时也体现出捕捉肺静脉变异性或识别分隔心房与心室的瓣环平面所面临的挑战。在 54 名患者(共计 4752 张心房测试切片)上取得了 92.5% 的最终 Dice 系数。
引用
@article{arxiv.1808.01944,
title = {V-FCNN: Volumetric Fully Convolution Neural Network For Automatic Atrial Segmentation},
author = {Nicoló Savioli and Giovanni Montana and Pablo Lamata},
journal= {arXiv preprint arXiv:1808.01944},
year = {2018}
}
备注
9 pages, 4 figures, In Proceedings of MICCAI 2018 Atrial Segmentation Challenge