基于迭代切片传播的弱监督脊椎体分割
计算机视觉与模式识别
2024-02-15 v1 机器学习
摘要
脊椎体（VB）分割是进行脊椎疾病医学可视化诊断的重要前处理步骤。然而，大多数先前的工作都需要像素/体素级别的强监督标注，这对专家来说代价高昂、繁琐且耗时。在本文中，我们提出了一种基于仅使用单个仰卧片上四个角标志点弱标签的弱监督迭代脊椎体分割（WISS）方法，以实现从CT图像中对VB进行自动体积分割。WISS首先以迭代自训练方式对已标注的仰卧片上的VB进行分割。这种自训练方法在训练集中交替进行训练和细化标签。随后，WISS采用切片传播方法逐片分割整个VB，以获得体积分割结果。我们在私有脊椎转移瘤CT数据集和公共腰椎CT数据集上评估了WISS的性能。在第一个数据集上，WISS相对于两种不同的主干网络实现了显著的改进。对于第二个数据集，WISS在中仰卧片和3D CT体积上的Dice系数分别为91.7%和83.7%，大幅降低了标注成本，仅牺牲了一点分割性能。
引用
@article{arxiv.2402.08892,
title = {Weakly Supervised Segmentation of Vertebral Bodies with Iterative Slice-propagation},
author = {Shiqi Peng and Bolin Lai and Guangyu Yao and Xiaoyun Zhang and Ya Zhang and Yan-Feng Wang and Hui Zhao},
journal= {arXiv preprint arXiv:2402.08892},
year = {2024}
}
备注
arXiv admin note: text overlap with arXiv:1412.7062 by other authors