用于肝脏及肿瘤自动分割的二维密集连接卷积神经网络
计算机视觉与模式识别
2018-02-08 v1
摘要
本文提出一种全自动的两阶段级联方法，利用密集连接全卷积神经网络（DenseNet）在CT（计算机断层扫描）图像中分割肝脏及其肿瘤。我们独立训练肝脏和肿瘤分割模型，并将它们级联以实现肝脏及其肿瘤的组合分割。第一阶段涉及肝脏分割，第二阶段利用第一阶段的分割结果定位肝脏，进而在肝脏区域内进行肿瘤分割。肝脏模型在降采样的轴向切片上训练，而肿瘤模型未对切片进行降采样，而是在三个不同亨氏（HU）水平的窗宽窗位CT轴向切片上训练。在测试集上，我们的模型在肝脏和肿瘤上分别取得了0.923和0.625的全局Dice系数，计算得到的肿瘤负荷的rmse为0.044。
引用
@article{arxiv.1802.02182,
title = {2D-Densely Connected Convolution Neural Networks for automatic Liver and Tumor Segmentation},
author = {Krishna Chaitanya Kaluva and Mahendra Khened and Avinash Kori and Ganapathy Krishnamurthi},
journal= {arXiv preprint arXiv:1802.02182},
year = {2018}
}