腹部多器官分割的边界感知网络

Title:Boundary-Aware Network for Abdominal Multi-Organ Segmentation

摘要

目前存在的问题是由于腹部器官的大小不一，导致器官之间的边界不明确（边界模糊问题）这对于腹部多器官分割仍然具有很大的挑战性。

本文提出了一个边界感知网络来分割CT扫描和MRI扫描的腹部器官分割。这个模型包含一个共享编码器，一个边界解码器和一个分段解码器。并且两个解码器都采用了多尺度深监督的策略。可以缓解因器官大小不同而带来的问题。利用边界解码器在每个比例上生成的边界概率图作为注意点增强分割特征图。

Introduction

目前腹部多器官分割存在的问题：1）腹部器官区域各器官之间体积差异较大2）边界模糊问题。

在本文中提出了一种边界感知网络（BA-Net）。BA-Net是一个编码器解码器结构。为了使模型更加关注容易出错的边界，引入了一个辅助边界解码器来检测目标器官的边界模糊。BA-Net在解码器的每个尺度上都对边界和分割解码器进行了监督，进一步提高了模型对不同尺寸目标器官的鲁棒性。

改进了特征融合机制，将检测到的边界概率图作为对应分割特征的注意图，而不是直接将边界特征图与分割特征图拼接。

方法

所提出的BA-Net包含共享编码器，边界解码器和分割解码器。整体结构如下图所示：

编码器从输入特征中提取特征然后利用提取的进行目标器官的边界检测，分割解码器将提取的特征作为输入。采用边界解码器生成的边界概率图作为注意力图，增强分割特征。

共享的编码器</