一种用于脑出血分割的图形化方法
图像与视频处理
2024-09-02 v1 计算机视觉与模式识别
机器学习
摘要
脑出血是 15 至 24 岁人群死亡的首要原因，也是更大年龄人群死亡的第三大原因。计算机断层扫描（CT）是一种用于诊断包括中风和创伤性脑损伤在内的神经系统急症的成像方式。深度学习和图像处理的近期进展已利用 CT 扫描等不同模态来辅助自动化检测和分割脑出血的发生。本文中，我们提出了一种由传统卷积神经网络（CNN）与图神经网络（GNN）构成的架构的新颖实现，以产生用于脑出血分割任务的整体模型。GNN 基于邻域聚合原理工作，从而提供图像中全局结构的可靠估计。GNN 以较少层工作，因而所需参数也更少。我们的实现在有限数据下取得了约 0.81 的 Dice 系数分数。
引用
@article{arxiv.2202.06876,
title = {A Graphical Approach For Brain Haemorrhage Segmentation},
author = {Ninad Mehendale and Pragya Gupta and Nishant Rajadhyaksha and Ansh Dagha and Mihir Hundiwala and Aditi Paretkar and Sakshi Chavan and Tanmay Mishra},
journal= {arXiv preprint arXiv:2202.06876},
year = {2024}
}
备注
10 pages 6 figures 3 tables preprint