一种性能一致且计算高效的用于高质量自动脑肿瘤分割的 CNN 系统
图像与视频处理
2022-05-04 v1 计算机视觉与模式识别
摘要
基于 CNN 的全自动脑肿瘤分割系统的研究已快速发展。要使系统适用于实际，良好的处理质量与可靠性是必备条件。此外，为广泛部署此类系统，最小化计算复杂度是可取的，这也能减少计算中的随机性，从而提升性能一致性。为此，所提系统中的 CNN 具有独特结构，含两个显著特征。首先，其特征提取块的三条路径分别设计用于从多模态输入中提取单模态、配对模态与跨模态数据的全面特征信息。同时，它拥有一个特定的三分支分类块来识别 4 类像素。每分支单独训练，从而以对应目标肿瘤区域的真值数据专门更新参数。系统的卷积层为特定目的定制设计，最终形成总计仅 61,843 个参数的极简配置。所提系统在 BraTS2018 与 BraTS2019 数据集上广泛测试。在 BraTS2018 验证样本上十次实验得到的增强肿瘤、全肿瘤与肿瘤核心的平均 Dice 分数分别为 0.787+0.003、0.886+0.002、0.801+0.007；在 BraTS2019 上为 0.751+0.007、0.885+0.002、0.776+0.004。测试结果表明所提系统能以一致方式执行高质量分割。此外，其极低的计算复杂度将有助于在各种环境中实现/应用。
引用
@article{arxiv.2205.01239,
title = {A Performance-Consistent and Computation-Efficient CNN System for High-Quality Automated Brain Tumor Segmentation},
author = {Juncheng Tong and Chunyan Wang},
journal= {arXiv preprint arXiv:2205.01239},
year = {2022}
}
备注
10 pages, 4 figures, currently under review of IEEE transactions on medical imaging