返回
Multi-Task Consistency Segmentation Network with Deep Shape Prior for Cartilage Segmentation
DOI:10.1587/transinf.2025EDP7059.png)
摘要
En 中文
我们引入创新设计概念以解决复杂图像背景和小训练数据规模下的硬分割问题。我们定义:(1) 形状特征描述,包括中轴面、掩码分割和轮廓形状,这些特征表征关节软骨形状,并建立软骨分割网络以实现多任务一致性;(2) 形状先验描述,表示关节软骨的形状分布,并基于此描述建立神经网络。我们将形状先验网络融入多任务一致性分割网络中。这形成了一个由形状特征描述引导、受形状先验描述约束的高精度、强泛化能力的深度学习框架。我们的框架能够处理对比度低、边界模糊、部分变形以及软骨接触等困难病例。该方法在两个公开膝关节图像数据集和一个临床髋关节图像数据集上的有效性得到验证,结果显示相较于其他当前先进方法,我们的方法提高了分割精度。此外,其在BTCV数据集的一个子集上的泛化能力得到验证,该子集关注三种特定结构:主动脉、下腔静脉以及门静脉和脾静脉。
Keyword:
key multitask learning
MR image
tissue segmentation
osteoarthritis
articular cartilage
期刊
I
IF:
0.8
论文数:
171
被引数:
2.3K
机构
引用论文
Automated segmentation of knee bone and cartilage combining statistical shape knowledge and convolutional neural networks: Data from the Osteoarthritis Initiative
MEDICAL IMAGE ANALYSIS
IF11.8
Deep convolutional neural network and 3D deformable approach for tissue segmentation in musculoskeletal magnetic resonance imaging用于肌肉骨骼磁共振成像中组织分割的深度卷积神经网络和3D可变形方法
Anatomically Constrained Neural Networks (ACNNs): Application to Cardiac Image Enhancement and Segmentation解剖学约束神经网络 (ACNNs): 在心脏图像增强和分割中的应用
CartiMorph: A framework for automated knee articular cartilage morphometrics
MEDICAL IMAGE ANALYSIS
IF11.8

