[TPAMI | 论文简读] CyCoSeg：用于自动医学图像分割的循环协作框架

简读分享 | 赵晏浠 编辑 | 王宇哲

论文题目

CyCoSeg: A Cyclic Collaborative Framework for Automated Medical Image Segmentation

论文摘要

深度神经网络在分割图像中的对象方面取得了巨大成功。然而，已经表明它们在诸如医学图像分割等具有挑战性的问题上仍然存在局限性。成功率较低的主要原因在于图像中物体尺寸的减小。在本文中，作者通过循环协作框架 CyCoSeg 克服了这一限制。所提出的框架基于深度主动形状模型 (D-ASM)，它提供有关对象形状的先验信息，以及语义分割网络 (SSN)。这两个模型通过相互影响协作以达到所需的分割：SSN 通过期望最大化公式帮助 D-ASM 识别图像中的相关关键点，而 D-ASM 提供指导 SSN 的分割建议。重复这个循环，直到两个模型收敛。广泛的实验评估表明 CyCoSeg 提高了基线模型的性能，包括几个流行的 SSN，同时避免了重大的架构修改。作者的方法的有效性在两个基准数据集的左心室分割上得到了证明，本文的方法在分割精度方面取得了最具竞争力的结果之一。此外，它的泛化在 CT 扫描中的肺部和肾脏分割中得到证明。

论文链接

https://ieeexplore.ieee.org/document/9540298