一种用于全自动脑肿瘤分割的数据增强方法
图像与视频处理
2022-02-21 v2 计算机视觉与模式识别
机器学习
摘要
胶质瘤及其子区域自动分割对疾病诊断、治疗与监测具有重要意义。本文提出一种称为TensorMixup的增强方法，并应用于三维U-Net架构以进行脑肿瘤分割。主要思路为：首先，根据任意两名同模态患者的磁共振成像数据中基于真值标签的胶质瘤信息，选取三维上尺寸为128的两个图像块；接着，使用一个所有元素独立采样自Beta分布的张量来混合这些图像块；然后将该张量映射为一个矩阵，用于混合上述图像块的一热编码标签；从而合成一幅新图像及其一热编码标签。最后，用新数据训练可用于分割胶质瘤的模型。实验结果表明，在全肿瘤、肿瘤核心和增强肿瘤分割上Dice分数的平均准确率分别为91.32%、85.67%和82.20%，证明了所提TensorMixup对脑肿瘤分割的可行性与有效性。
引用
@article{arxiv.2202.06344,
title = {A Data Augmentation Method for Fully Automatic Brain Tumor Segmentation},
author = {Yu Wang and Yarong Ji and Hongbing Xiao},
journal= {arXiv preprint arXiv:2202.06344},
year = {2022}
}
备注
15 pages, 7 figures, 4tables