简读分享 | 陈兴民 编辑 | 陈兴民
论文题目
3D vessel-like structure segmentation in medical images by an edge-reinforced network
论文摘要
在脑血管和神经病理等生物医学图像中，血管状结构是了解疾病机制和诊断和治疗疾病的重要生物标志。然而，现有的血管状结构分割方法往往不能很好地分割出清晰的边缘。在三维医学图像中，血管状结构的边缘和非边缘体素通常存在高度不平衡的分布，因为大多数体素都是非边缘的，这使得寻找清晰的边缘具有挑战性。在这项工作中，作者提出了一种通用神经网络来分割不同3D医学成像模式下的血管样结构。新型边缘增强神经网络(ER-Net)是基于编码器-解码器结构的。此外，提出了反向边缘注意模块和边缘增强优化损耗，增加给定三维体块边缘的体素权重，以更好地发现和保存空间边缘信息。在此基础上，进一步引入特征选择模块，从编码器和解码器中同时自适应选择区分特征，以增加边缘体素的权重，从而显著提高分割性能。使用四个公开可访问的数据集对所提方法进行了全面验证，实验结果表明，所提方法在各种指标上的性能总体优于其他最先进的算法。
论文地址
https://www.sciencedirect.com/science/article/pii/S1361841522002201
