3D AGSE-VNet：一种自动脑肿瘤 MRI 数据分割框架
人工智能
2021-07-27 v1 计算机视觉与模式识别
机器学习
摘要
背景：胶质瘤是最常见的脑恶性肿瘤，发病率高且死亡率超过百分之三，严重危害人类健康。临床上获取脑肿瘤的主要方法是 MRI。从多模态 MRI 扫描图像中分割脑肿瘤区域有助于治疗检查、诊断后监测以及患者效果评估。然而，临床脑肿瘤分割中的常见操作仍是手动分割，导致其耗时且不同操作者间性能差异大，一致且准确的自动分割方法亟需。方法：为应对上述挑战，我们提出一种称为 AGSE-VNet 的自动脑肿瘤 MRI 数据分割框架。在我们的研究中，Squeeze and Excite（SE）模块被添加至每个编码器，Attention Guide Filter（AG）模块被添加至每个解码器，利用通道关系自动增强通道中有用信息以抑制无用信息，并使用注意力机制引导边缘信息并去除噪声等无关信息的影响。结果：我们使用 BraTS2020 挑战在线验证工具评估我们的方法。验证重点是全肿瘤（WT）、肿瘤核心（TC）和增强肿瘤（ET）的 Dice 分数分别为 0.68、0.85 和 0.70。结论：尽管 MRI 图像强度不同，AGSE-VNet 不受肿瘤大小影响，能更准确地提取三个区域的特征，取得了令人印象深刻的结果，并为脑肿瘤患者的临床诊断与治疗作出突出贡献。
引用
@article{arxiv.2107.12046,
title = {3D AGSE-VNet: An Automatic Brain Tumor MRI Data Segmentation Framework},
author = {Xi Guan and Guang Yang and Jianming Ye and Weiji Yang and Xiaomei Xu and Weiwei Jiang and Xiaobo Lai},
journal= {arXiv preprint arXiv:2107.12046},
year = {2021}
}
备注
34 pages, 12 figure, Accepted by BMC Medical Imaging