An atrium segmentation network with location guidance and siamese adjustment

要約

心房スキャン画像のセグメンテーションは、心房の 3 次元再構成と外科的位置決めにとって非常に重要です。
既存のセグメンテーション ネットワークのほとんどは 2D 構造を採用し、元の画像のみを入力として取り、3D 画像のコンテキスト情報と事前情報の役割を無視します。
この論文では、ロケーションガイダンスとシャム調整を備えた心房セグメンテーションネットワークLGSANetを提案します。これは、隣接する3つの画像スライスを入力として受け取り、エンドツーエンドのアプローチを採用して、粗い心房から細かい心房セグメンテーションを実現します。
位置ガイダンス (LG) ブロックは、ローカリゼーション マップの事前情報を使用して、細かいセグメンテーション ステージのエンコード機能をガイドし、シャム調整 (SA) ブロックは、コンテキスト情報を使用してセグメンテーション エッジを調整します。
ACDC と ASC のアトリウム データセットでは、十分な実験により、私たちの方法が多くの古典的な 2D セグメンテーション ネットワークに適応できることが証明されているため、パフォーマンスが大幅に向上します。

要約(オリジナル)

The segmentation of atrial scan images is of great significance for the three-dimensional reconstruction of the atrium and the surgical positioning. Most of the existing segmentation networks adopt a 2D structure and only take original images as input, ignoring the context information of 3D images and the role of prior information. In this paper, we propose an atrium segmentation network LGSANet with location guidance and siamese adjustment, which takes adjacent three slices of images as input and adopts an end-to-end approach to achieve coarse-to-fine atrial segmentation. The location guidance(LG) block uses the prior information of the localization map to guide the encoding features of the fine segmentation stage, and the siamese adjustment(SA) block uses the context information to adjust the segmentation edges. On the atrium datasets of ACDC and ASC, sufficient experiments prove that our method can adapt to many classic 2D segmentation networks, so that it can obtain significant performance improvements.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google