一种用于自动化肝脏与肿瘤分割的联合深度学习方法
计算机视觉与模式识别
2020-03-16 v2 数值分析
数值分析
摘要
肝细胞癌(HCC)是成人中最常见的原发性肝癌类型,也是肝硬化患者最常见的死亡原因。CT图像中肝脏病灶的分割可用于评估肿瘤负荷、治疗规划、预后及疗效监测。手动分割是一项非常耗时的任务,且在许多情况下容易出现不准确,因此亟需用于肿瘤检测与分割的自动化工具。本文比较了两种网络架构:一种由单个神经网络组成并一步完成分割任务,另一种由两个连续的完全卷积神经网络构成。第一个网络分割肝脏,而第二个网络在肝脏内部分割实际肿瘤。我们的网络在LiTS(Liver Tumor Segmentation,肝脏肿瘤分割)挑战赛的一个子集上训练,并在数据上进行评估。
引用
@article{arxiv.1902.07971,
title = {A Joint Deep Learning Approach for Automated Liver and Tumor Segmentation},
author = {Nadja Gruber and Stephan Antholzer and Werner Jaschke and Christian Kremser and Markus Haltmeier},
journal= {arXiv preprint arXiv:1902.07971},
year = {2020}
}
备注
To appear in the SAMPTA 2019 proceedings