论文阅读-超声颈动脉

这里有一个最小割和最大流问题，需要了解的可以看这个解释
https://zhuanlan.zhihu.com/p/65793018

摘要

血管壁体积(VWV)是一项重要的三维超声(3DUS)指标，用于评估颈动脉斑块负荷和监测治疗后颈动脉粥样硬化的变化。
用基于体素的全卷积网络(Voxel-FCN)和连续最大流模块的方法，从三维超声图像中自动分割颈动脉中膜-外膜(MAB)和管腔-内膜边界(LIB)。采用连续最大流算法改进Voxel-FCN提供的粗分割。（用最大流方法可改进粗分割）

1 INTRODUCTION

本文是针对于三维超声颈动脉图像来做的实验

2D图像具有局限性。
(1)IMT在疾病的早期阶段是有用的，但它不能真实地代表动脉粥样硬化‘；2)不能用于评价颈动脉斑块的形态和回声变化；(3)它具有高度的用户依赖性，导致对颈动脉斑块等三维(3D)结构的量化存在变异性。

CONTRIBUTION：

1. 提出了一种新的基于体素的自动全卷积网络(Voxel-FCN)，
2. 我们将通用的CNN和金字塔合并模块(PPM)扩展到3D，以在编码器中提取空间和上下文图像信息。
3. 在解码器中设计了注意力机制，以自动加权和融合编码器在不同级别提取的特征。
4. 使用多类连续最大流算法对初始的VOxel-FCN分割结果进行后处理和细化，该算法明确地加强了分割的平滑性和标记的一致性。

2 MATERIALS AND METHODS