[MICCAI2019]Learning Shape Priors for Robust Cardiac MR Segmentation from Multi-view Images

MICCAI2019 多模分割相关论文笔记

Learning Shape Priors for Robust Cardiac MR Segmentation from Multi-view Images

本文设计了Shape MAE(Multi-View Auto Encoder)结构来学习多视角下心脏形状的隐式表达;以及设计了分割网络 Multi-View Unet,能够结合MAE学习到的解剖形状的先验知识,来指导分割。

介绍

心脏的 3D CMR 标注图像难以获得,需要患者长时间屏住呼吸,且用 3D 图像训练极大减少了训练样本数量。临床中经验丰富的临床医生会在多个标准视图(即长轴和短轴视图)中评估心脏的形态和功能。作者认为了解跨不同2D标准视图的解剖形状先验,并利用这些先验从短轴MR图像中分割左心室(LV)心肌,具有作为2D网络的优势,但同时又利用了3D空间的多个互补视图的空间上下文信息。

方法

  • Shape MAE(Shape-aware Multi-View Auto Encoder)结构示意图如下:
    MAE
    通过自编码器学习,得到z1-z4 四个标准视图的解剖先验信息,损失函数设计如下:
    损失函数
  • Multi-View U-Net 在UNet网络中的 bottleneck 处中引入了一个名为“融合块”的模块以将latent code注入到分段网络中。
    Multi-View U-Net
    融合块

实验结果

实验结果

总结

用自编码器和多模思想提取形状先验,再在分割时与原网络进行融合。

  • 0
    点赞
  • 1
    收藏
    觉得还不错? 一键收藏
  • 0
    评论

“相关推荐”对你有帮助么?

  • 非常没帮助
  • 没帮助
  • 一般
  • 有帮助
  • 非常有帮助
提交
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值