用于脑肿瘤自动分割的图卷积与图像卷积联合网络
图像与视频处理
2022-08-02 v2 计算机视觉与模式识别
机器学习
组织与器官
摘要
我们提出了一种图卷积-图像卷积联合神经网络,作为我们提交给脑肿瘤分割(BraTS)2021挑战赛的方案。我们将每个大脑建模为由不同图像区域组成的图,该图最初由图神经网络(GNN)进行分割。随后,GNN识别出的肿瘤体积由一个简单的(体素)卷积神经网络(CNN)进一步细化,产生最终分割。该方法通过图表示捕获全局脑特征交互,并通过卷积滤波器利用局部图像细节。我们发现GNN组件本身就能有效识别和分割脑肿瘤。添加CNN使模型在所有评估指标上的中位性能进一步提高2%。在验证集上,我们的GNN-CNN联合模型在整个肿瘤、核心肿瘤和增强肿瘤上分别取得平均Dice分数0.89、0.81、0.73,以及平均Hausdorff距离(第95百分位)6.8、12.6、28.2mm。
引用
@article{arxiv.2109.05580,
title = {A Joint Graph and Image Convolution Network for Automatic Brain Tumor Segmentation},
author = {Camillo Saueressig and Adam Berkley and Reshma Munbodh and Ritambhara Singh},
journal= {arXiv preprint arXiv:2109.05580},
year = {2022}
}
备注
9 pages, 3 figures, submitted to BrainLes Workshop (MICCAI 2021) as part of BraTS2021 challenge