一种用于放疗规划中脑肿瘤与危险器官分割的模态自适应方法
计算机视觉与模式识别
2018-08-17 v2 机器学习
机器学习
摘要
本文提出一种同时分割脑肿瘤和一套广泛危险器官的方法，用于胶质母细胞瘤的放疗规划。该方法将用于全脑分割的对比度自适应生成模型与一种利用卷积受限玻尔兹曼机的肿瘤形状空间正则化新模型相结合。我们通过实验证明，该方法能够适应与任何可用训练数据差异显著的影像采集，确保其在不同治疗中心的适用性；其肿瘤分割精度与当前最先进水平相当；并且其捕获的大多数危险器官足以满足放疗规划目的。所提方法可能是朝着自动化勾画接受放疗的胶质母细胞瘤患者脑肿瘤与危险器官迈出有价值的一步。
引用
@article{arxiv.1807.10588,
title = {A Modality-Adaptive Method for Segmenting Brain Tumors and Organs-at-Risk in Radiation Therapy Planning},
author = {Mikael Agn and Per Munck af Rosenschöld and Oula Puonti and Michael J. Lundemann and Laura Mancini and Anastasia Papadaki and Steffi Thust and John Ashburner and Ian Law and Koen Van Leemput},
journal= {arXiv preprint arXiv:1807.10588},
year = {2018}
}
备注
corrected one reference