nach oben

Erschienen in:

2017 | OriginalPaper | Buchkapitel

Deep Quantitative Liver Segmentation and Vessel Exclusion to Assist in Liver Assessment

verfasst von : Benjamin Irving, Chloe Hutton, Andrea Dennis, Sid Vikal, Marija Mavar, Matt Kelly, Sir J. Michael Brady

Erschienen in: Medical Image Understanding and Analysis

Verlag: Springer International Publishing

Einloggen

Aktivieren Sie unsere intelligente Suche, um passende Fachinhalte oder Patente zu finden.

search-config

KI-gestützte Suche

Aus

Abstract

Liver disease, especially Non-Alcoholic Fatty Liver Disease has reached high levels, and there is a need for non-invasive tests based on quantitative MRI to replace biopsy in order to better assess liver health. An automated quantitative liver segmentation approach is required to automate these tests and in this work we propose a fully convolutional framework with a novel objective function for quantitative liver segmentation. The method has (to date) been tested on quantitative T1 maps generated from the UK Biobank study. We obtained extremely encouraging results on an unseen test set with a Dice score of 0.95, and Sensitivity 0.98 and Specificity 0.99.

Sie haben noch keine Lizenz? Dann Informieren Sie sich jetzt über unsere Produkte:

Springer Professional "Wirtschaft+Technik"

Online-Abonnement

Mit Springer Professional "Wirtschaft+Technik" erhalten Sie Zugriff auf:

über 102.000 Bücher
über 537 Zeitschriften

aus folgenden Fachgebieten:

Automobil + Motoren
Bauwesen + Immobilien
Business IT + Informatik
Elektrotechnik + Elektronik
Energie + Nachhaltigkeit
Finance + Banking
Management + Führung
Marketing + Vertrieb
Maschinenbau + Werkstoffe
Versicherung + Risiko

Jetzt Wissensvorsprung sichern!

Jetzt informieren

Springer Professional "Technik"

Online-Abonnement

Mit Springer Professional "Technik" erhalten Sie Zugriff auf:

über 67.000 Bücher
über 390 Zeitschriften

aus folgenden Fachgebieten:

Automobil + Motoren
Bauwesen + Immobilien
Business IT + Informatik
Elektrotechnik + Elektronik
Energie + Nachhaltigkeit
Maschinenbau + Werkstoffe

Jetzt Wissensvorsprung sichern!

Jetzt informieren

Springer Professional "Wirtschaft"

Online-Abonnement

Mit Springer Professional "Wirtschaft" erhalten Sie Zugriff auf:

über 67.000 Bücher
über 340 Zeitschriften

aus folgenden Fachgebieten:

Bauwesen + Immobilien
Business IT + Informatik
Finance + Banking
Management + Führung
Marketing + Vertrieb
Versicherung + Risiko

Jetzt Wissensvorsprung sichern!

Jetzt informieren

Vorheriges Kapitel Radial Basis Function Interpolation for Rapid Interactive Segmentation of 3-D Medical Images

Nächstes Kapitel Initial Results of Multilevel Principal Components Analysis of Facial Shape

Banerjee, R., Pavlides, M., Tunnicliffe, E.M., Piechnik, S.K., Sarania, N., Philips, R., Collier, J.D., Booth, J.C., Schneider, J.E., Wang, L.M., Delaney, D.W., Fleming, K.A., Robson, M.D., Barnes, E., Neubauer, S.: Multiparametric magnetic resonance for the non-invasive diagnosis of liver disease. J. Hepatol. 60(1), 69–77 (2014)CrossRef

Blachier, M., Leleu, H., Peck-Radosavljevic, M., Valla, D.C., Roudot-Thoraval, F.: The burden of liver disease in europe: a review of available epidemiological data. J. Hepatol. 58(3), 593–608 (2013)CrossRef

Castera, L., Pinzani, M.: Non-invasive assessment of liver fibrosis: are we ready? Lancet 375(9724), 1419 (2010)CrossRef

Cheng, K., Gu, L., Wu, J., Li, W., Xu, J.: A novel level set based shape prior method for liver segmentation from MRI images. In: Dohi, T., Sakuma, I., Liao, H. (eds.) MIAR 2008. LNCS, vol. 5128, pp. 150–159. Springer, Heidelberg (2008). doi:10.1007/978-3-540-79982-5_17 CrossRef

Chollet, F.: Keras (2015). https://github.com/fchollet/keras

Heimann, T., van Ginneken, B., Styner, M.A., Arzhaeva, Y., Aurich, V., Bauer, C., Beck, A., Becker, C., Beichel, R., Bekes, G., Bello, F., Binnig, G., Bischof, H., Bornik, A., Cashman, P.M.M., Chi, Y., Cordova, A., Dawant, B.M., Fidrich, M., Furst, J.D., Furukawa, D., Grenacher, L., Hornegger, J., Kainmüller, D., Kitney, R.I., Kobatake, H., Lamecker, H., Lange, T., Lee, J., Lennon, B., Li, R., Li, S., Meinzer, H.P., Nemeth, G., Raicu, D.S., Rau, A.M., van Rikxoort, E.M., Rousson, M., Rusko, L., Saddi, K.A., Schmidt, G., Seghers, D., Shimizu, A., Slagmolen, P., Sorantin, E., Soza, G., Susomboon, R., Waite, J.M., Wimmer, A., Wolf, I.: Comparison and evaluation of methods for liver segmentation from CT datasets. IEEE Trans. Med. Imaging 28(8), 1251–1265 (2009)CrossRef

Kingma, D.P., Ba, J.: Adam: a method for stochastic optimization. CoRR abs/1412.6980 (2014). http://arxiv.org/abs/1412.6980

Long, J., Shelhamer, E., Darrell, T.: Fully convolutional networks for semantic segmentation. In: The IEEE Conference on Computer Vision and Pattern Recognition (CVPR), June 2015

Masoumi, H., Behrad, A., Pourmina, M.A., Roosta, A.: Automatic liver segmentation in mri images using an iterative watershed algorithm and artificial neural network. Biomed. Signal Process. Control 7(5), 429–437 (2012)CrossRef

10.

Pavlides, M., Banerjee, R., Sellwood, J., Kelly, C.J., Robson, M.D., Booth, J.C., Collier, J., Neubauer, S., Barnes, E.: Multiparametric magnetic resonance imaging predicts clinical outcomes in patients with chronic liver disease. J. Hepatol. 64(2), 308–315 (2016)CrossRef

11.

Ronneberger, O., Fischer, P., Brox, T.: U-Net: convolutional networks for biomedical image segmentation. CoRR abs/1505.04597 (2015). http://arxiv.org/abs/1505.04597

12.

Wang, F.S., Fan, J.G., Zhang, Z., Gao, B., Wang, H.Y.: The global burden of liver disease: the major impact of China. Hepatology 60(6), 2099–2108 (2014)CrossRef

13.

Wilman, H.R., Kelly, M., Garratt, S., Matthews, P.M., Milanesi, M., Herlihy, A., Gyngell, M., Neubauer, S., Bell, J.D., Banerjee, R., et al.: Characterisation of liver fat in the UK Biobank cohort. PLoS One 12(2), e0172921 (2017)CrossRef

Titel: Deep Quantitative Liver Segmentation and Vessel Exclusion to Assist in Liver Assessment
verfasst von: Benjamin Irving
Chloe Hutton
Andrea Dennis
Sid Vikal
Marija Mavar
Matt Kelly
Sir J. Michael Brady
Verlag: Springer International Publishing
Buch: Medical Image Understanding and Analysis
Print ISBN: 978-3-319-60963-8

Electronic ISBN: 978-3-319-60964-5

Copyright-Jahr: 2017
DOI: https://doi.org/10.1007/978-3-319-60964-5_58

Springer Professional

Abstract

Bitte loggen Sie sich ein, um Zugang zu Ihrer Lizenz zu erhalten.

Sie haben noch keine Lizenz? Dann Informieren Sie sich jetzt über unsere Produkte:

Springer Professional "Wirtschaft+Technik"

Springer Professional "Technik"

Springer Professional "Wirtschaft"

Premium Partner