Organ Segmentation in CT Images With Weak Annotations: A Preliminary Study

Rosana El Jurdi 1 Caroline Petitjean 2, 1 Paul Honeine 1 Fahed Abdallah 3, 4
1 DocApp - LITIS - Equipe Apprentissage
LITIS - Laboratoire d'Informatique, de Traitement de l'Information et des Systèmes
2 QuantIF-LITIS - Equipe Quantification en Imagerie Fonctionnelle
LITIS - Laboratoire d'Informatique, de Traitement de l'Information et des Systèmes
Résumé : La segmentation d'images médicales présente des défis sans précédent par rapportà la segmentation d'images naturelles, en particulierà cause de la rareté des images annotées. Dans cet article, nous nous plaçons dans le cadre de la segmentation des organesà risque thoraciques dans les images tomodensitométriques, objet de la compétition en cours SegTHOR 2019. Alors que le cadre de l'apprentissage supervisé (c'est-à-dire annotation au niveau des pixels) est considéré dans cette compétition, nous cherchons dans cet articleà aller plus loin en exploitant le paradigme de la segmentation faiblement supervisée, c'està dire en apprenant avec uniquement des boites englobant les organeś etudiés. Après uneétape de pré-traitement, la méthode proposée opère un apprentissage ensembliste basé sur l'algorithme GrabCut, afin de transformer les images initiales en images annotées au niveau des pixels. Ensuite, un réseau neuronal profond est appris sur les images médicales, où plusieurs fonctions de perte sont examinées. Les expériences montrent la pertinence de la méthode proposée, fournissant des résultats comparablesà ceux de la segmentation entièrement supervisée.
Liste complète des métadonnées

Littérature citée [10 références]  Voir  Masquer  Télécharger

https://hal-normandie-univ.archives-ouvertes.fr/hal-02183031
Contributeur : Paul Honeine <>
Soumis le : dimanche 14 juillet 2019 - 18:18:51
Dernière modification le : mercredi 6 novembre 2019 - 21:18:06

Fichier

19.gretsi.weak.pdf
Fichiers produits par l'(les) auteur(s)

Identifiants

  • HAL Id : hal-02183031, version 1

Citation

Rosana El Jurdi, Caroline Petitjean, Paul Honeine, Fahed Abdallah. Organ Segmentation in CT Images With Weak Annotations: A Preliminary Study. 27-ème Colloque GRETSI sur le Traitement du Signal et des Images, Aug 2019, Lille, France. ⟨hal-02183031⟩

Partager

Métriques

Consultations de la notice

72

Téléchargements de fichiers

44