Cooperating Networks To Enforce A Similarity Constraint In Paired But Unregistered Multimodal Liver Segmentation

Autor: Guillaume Julien Joseph Pizaine, Olivier Pierre Nempont, Vincent Couteaux, Pierre-Jean Valette, Mathilde Trintignac, Laurent Milot, Isabelle Bloch, Anna Sesilia Vlachomitrou
Přispěvatelé: Laboratoire Traitement et Communication de l'Information (LTCI), Institut Mines-Télécom [Paris] (IMT)-Télécom Paris, MedisysResearch Lab (Medisys), Philips Research, Hospices Civils de Lyon (HCL), Centre Hospitalier Lyon Sud [CHU - HCL] (CHLS), Centre de Recherche et d'Application en Traitement de l'Image et du Signal (CREATIS), Université Claude Bernard Lyon 1 (UCBL), Université de Lyon-Université de Lyon-Institut National des Sciences Appliquées de Lyon (INSA Lyon), Université de Lyon-Institut National des Sciences Appliquées (INSA)-Institut National des Sciences Appliquées (INSA)-École Supérieure Chimie Physique Électronique de Lyon-Institut National de la Santé et de la Recherche Médicale (INSERM)-Centre National de la Recherche Scientifique (CNRS), Learning, Fuzzy and Intelligent systems (LFI), LIP6, Sorbonne Université (SU)-Centre National de la Recherche Scientifique (CNRS)-Sorbonne Université (SU)-Centre National de la Recherche Scientifique (CNRS), Image, Modélisation, Analyse, GEométrie, Synthèse (IMAGES), Institut Mines-Télécom [Paris] (IMT)-Télécom Paris-Institut Mines-Télécom [Paris] (IMT)-Télécom Paris, Département Images, Données, Signal (IDS), Télécom ParisTech
Jazyk: angličtina
Rok vydání: 2021
Předmět:
Zdroj: 2021 IEEE 18th International Symposium on Biomedical Imaging (ISBI)
2021 IEEE 18th International Symposium on Biomedical Imaging (ISBI), Apr 2021, Nice, France. pp.753-756, ⟨10.1109/ISBI48211.2021.9433767⟩
ISBI
DOI: 10.1109/ISBI48211.2021.9433767⟩
Popis: International audience; We propose a method for segmenting two unregistered images from different modalities of the same patient and study at once, while enforcing a similarity constraint between the two segmentation masks. Our method relies on a segmentation network and a registration network, cooperating to get accurate and consistent segmentation masks across modalities, while forcing the segmentor to use all information available. Experiments on a dataset of T1 and T2-weighted liver MRI show that our method enables to get more similar segmentation masks across modalities than manual annotations, without deteriorating the performance (Dice =0.95 for T1, 0.92 for T2).
Databáze: OpenAIRE