通过协作切片对齐来促进3D医疗图像的短拍语义细分.

科学领域:

• 医疗成像医学成像
• 计算机视觉 计算机视觉
• 人工智能的人工智能

背景情况:

• 在3D医学成像中,少量射击语义细分 (FSS) 取决于从标记卷中选择适当的支片,以细分未标记的查询片.
• 准确的支片选择对于学习强大的原型特征和提高细分精度至关重要.
• 当前的方法经常使用真实目标位置或单个支片,限制实用性并导致细分错误.

研究的目的:

• 为3D医疗图像进行少数拍摄语义细分 (FSS) 提出实用和高效的解决方案.
• 开发一种新的协作切片对齐 (CSA) 模块,以改进支切片选择.
• 通过使每个查询切片能够在没有事先目标信息的情况下找到最适合的支持切片来提高细分精度.

主要方法:

• 提出了一个协作切片对齐 (CSA) 模块,该模块估计了切片信心分数以反映物理位置,从而实现支持和查询切片的空间对齐.
• 在CSA中实施了可自学的排名目标,以便在支持和查询功能之间传输内部知识,从而提高FSS的性能.
• 引入了一个信息协调 (InRe) 模块,以解决支持和查询图像之间的不一致的特征分布.

主要成果:

• 综合的CSA和InRe模块在三个不同的数据集中实现了至少8.61%的显著平均子得分改善.
• 拟议的方法在3D医疗图像细分方面始终优于现有的最先进方法.
• 根据估计的空间相关性,CSA有效地对准了支持和查询切片,从而实现了更准确的细分.

结论:

• 新的CSA模块为3D医疗成像中的少数镜头语义细分提供了实用和高效的方法.
• InRe模块有效地减轻了特征分布的不一致性,进一步提高了细分性能.
• 与当前最先进的技术相比,提出的方法表现出卓越的准确性和稳定性.