用于腹部多器官分割的边界感知网络
背景
由于腹部器官的大小不同以及它们之间的边界不明确,准确分割腹部器官仍然具有挑战性
贡献
- 该模型包含一个共享编码器、一个边界解码器和一个分割解码器。
- 两种解码器都采用了多尺度深度监督策略,可以缓解器官大小变化带来的问题。边界解码器在每个尺度上产生的边界概率图被用作增强分割特征图的注意力。
实验
数据:AMOS数据集包含500个CT和100个MRI扫描,其中包含15个腹部器官的体素水平注释,包括脾脏、右肾、左肾、胆囊、食道、肝脏、胃、主动脉、下腔静脉、胰腺、右肾上腺、左肾上腺、十二指肠、膀胱和前列腺/子宫。在所有扫描中,200个CT和40个MRI扫描被提供作为训练案例,100个CT和20个MRI扫描用于在线验证,剩下的200个CT或40个MRI被保留以进行最终评估
方法
损失函数
区域分割+边界分割