Cardiac Segmentation using Transfer Learning under Respiratory Motion Artifacts

要約

心室セグメンテーションを実行しながら心臓磁気共鳴画像法 (MRI) のアーティファクトに耐性のある方法は、それらの組織の構造的および機能的分析の品質を確保するために重要です。
アルゴリズムの品質を向上させるために多大な努力が払われてきましたが、アーティファクトが予測で生成する害に取り組んだ研究はほとんどありません。
この作業では、これらのアーティファクトに対する以前の方法の回復力を向上させるために、事前トレーニング済みのネットワークの微調整を研究します。
提案された方法では、これらのアーティファクトを模倣するデータ拡張の広範な使用を採用しました。
結果は、ベースライン セグメンテーションを大幅に改善しました (最大 0.06 ダイス スコア、および 4mm ハウスドルフ距離の改善)。

要約(オリジナル)

Methods that are resilient to artifacts in the cardiac magnetic resonance imaging (MRI) while performing ventricle segmentation, are crucial for ensuring quality in structural and functional analysis of those tissues. While there has been significant efforts on improving the quality of the algorithms, few works have tackled the harm that the artifacts generate in the predictions. In this work, we study fine tuning of pretrained networks to improve the resilience of previous methods to these artifacts. In our proposed method, we adopted the extensive usage of data augmentations that mimic those artifacts. The results significantly improved the baseline segmentations (up to 0.06 Dice score, and 4mm Hausdorff distance improvement).

arxiv情報

提供元, 利用サービス

arxiv.jp, Google