一种用于全身 PET/CT 图像自动肿瘤分割的从定位到分割框架
图像与视频处理
2023-09-15 v2 计算机视觉与模式识别
摘要
氟代脱氧葡萄糖（FDG）正电子发射断层扫描（PET）结合计算机断层扫描（CT）被视为检测某些癌症（如肺癌和黑色素瘤）的主要手段。PET/CT 图像中肿瘤的自动分割有助于减轻医生工作负担，从而提升诊断质量。然而，由于许多肿瘤体积微小以及高摄取正常区域与肿瘤区域的相似性，精确肿瘤分割颇具挑战。为解决这些问题，本文提出一种用于精确肿瘤分割的从定位到分割框架（L2SNet）。L2SNet 首先在病灶定位阶段定位可能病变，随后在病灶分割阶段利用位置线索塑形分割结果。为进一步提升 L2SNet 的分割性能，我们设计了一种综合考虑两阶段分割结果的自适应阈值方案。基于 MICCAI 2023 全身 FDG-PET/CT 自动病变分割挑战数据集的实验表明，我们的方法取得了具竞争力的结果，并在初步测试集上排名前 7。我们的工作公开于：https://github.com/MedCAI/L2SNet。
引用
@article{arxiv.2309.05446,
title = {A Localization-to-Segmentation Framework for Automatic Tumor Segmentation in Whole-Body PET/CT Images},
author = {Linghan Cai and Jianhao Huang and Zihang Zhu and Jinpeng Lu and Yongbing Zhang},
journal= {arXiv preprint arXiv:2309.05446},
year = {2023}
}
备注
7 pages,3 figures