Une combinaison de filtres de rehaussement des vaisseaux avec des architectures3D U-Net pour la segmentation des vaisseaux hépatiques
Résumé
La segmentation des vaisseaux hépatiques est une tâche trés difficile en raison de la petite taille et de la complexité du réseau vasculaire. Dans cet article, nous proposons une étude comparative originale de plusieurs modèles d’apprentissage profond combinés à des filtres de rehaussement (algorithmes Jerman, Frangi, Sato et RORPO) comme étape de prétraitement. Les modèles 3-D U-Net, 3-D Dense U-Net et 3-D MultiRes U-Net ont été testés sur des images tomodensitométriques pour extraire les réseaux vasculaires avec et sans prétraitement sur des volumes hépatiques complets et sur des slabs (groupes de coupes 2-D). Les modèles ont été testés sur la base de données publique IRCAD et le 3-D Dense U-Net a obtenu le meilleur coefficient Dice sur les données prétraitées (avec le filtre Jerman en particulier), par rapport aux données brutes. En plus de cette analyse numérique, nous proposons une inspection visuelle des résultats de segmentation, qui confirment la précision de ce modèle profond basé sur des filtres de rehaussement vasculaire
Origine : Fichiers produits par l'(les) auteur(s)