像放射科医生一样观察：用于 CT 图像深度学习增强的偏移窗口
图像与视频处理
2023-11-28 v1 计算机视觉与模式识别
机器学习
摘要
深度学习有潜力通过自动化和执行重要任务（如检测和勾画医学图像中癌症的大小与位置）来革新医疗实践。然而，大多数深度学习模型依赖将医学图像当作自然图像的增强技术。特别是对于对比增强计算机断层扫描（CT）图像，产生体素强度的信号具有物理意义，而在将此类图像当作自然图像进行预处理和增强时会丢失该意义。为此，我们提出了一种受放射科医生在评估 CT 图像时利用多视窗启发的新颖预处理与强度增强方案。我们提出的方法——窗口偏移，在训练期间随机将视窗放置在感兴趣区域周围。该方法改善了对比剂显影时机不佳图像上的肝脏病灶分割性能与鲁棒性。我们的方法在多个数据集上优于经典强度增强以及流行的 nn-UNet 的强度增强流程。
引用
@article{arxiv.2311.14990,
title = {View it like a radiologist: Shifted windows for deep learning augmentation of CT images},
author = {Eirik A. Østmo and Kristoffer K. Wickstrøm and Keyur Radiya and Michael C. Kampffmeyer and Robert Jenssen},
journal= {arXiv preprint arXiv:2311.14990},
year = {2023}
}
备注
6 pages, 3 figures, accepted to MLSP 2023