Semi-supervised Cardiac Image Segmentation via Label Propagation and Style Transfer

要約

心臓構造の正確なセグメンテーションは、医師による病気の診断や治療計画の改善に役立ち、臨床の現場で高い需要があります。しかし，アノテーションの不足や，ベンダーや医療機関ごとのデータのばらつきが，高度なディープラーニング手法の性能を制限している．本研究では、左心室（LV）と右心室（RV）の血液プール、および左心室心筋（MYO）を含む心臓構造をMRIボリュームでセグメントするための完全自動手法を紹介します。具体的には、ラベル付けされていないMRIシーケンスの時間枠を活用する半教師付き学習法を設計し、ラベル伝搬を行う。そして、より頑健な心臓画像セグメンテーションのために、異なる施設やベンダー間の分散を減らすためにスタイルトランスファーを利用する。本手法をM&Ms challenge 7で評価し、14チーム中2位を獲得した。

要約(オリジナル)

Accurate segmentation of cardiac structures can assist doctors to diagnose diseases, and to improve treatment planning, which is highly demanded in the clinical practice. However, the shortage of annotation and the variance of the data among different vendors and medical centers restrict the performance of advanced deep learning methods. In this work, we present a fully automatic method to segment cardiac structures including the left (LV) and right ventricle (RV) blood pools, as well as for the left ventricular myocardium (MYO) in MRI volumes. Specifically, we design a semi-supervised learning method to leverage unlabelled MRI sequence timeframes by label propagation. Then we exploit style transfer to reduce the variance among different centers and vendors for more robust cardiac image segmentation. We evaluate our method in the M&Ms challenge 7 , ranking 2nd place among 14 competitive teams.

arxiv情報

提供元, 利用サービス

arxiv.jp, DeepL