用于脑肿瘤分割的预训练 DenseNet 编码器
计算机视觉与模式识别
2018-11-20 v1
摘要
本文提出一种基于 U-net 架构的卷积神经网络，用于多模态 3D MR 图像中脑肿瘤的自动分割。我们评估了在 ImageNet 数据集上预训练的密集连接卷积网络编码器（DenseNet）的使用。我们详述了两种可将多个 3D 图像作为输入的网络架构。本工作旨在确定通用预训练网络是否可用于非常特定的医学应用，其中目标数据在空间维度数和输入通道数上均不同。此外，为规范此迁移学习任务，我们仅训练 U-net 架构的解码器部分。我们在 BRATS 2018 分割挑战赛上评估了所提方法的有效性，在验证集上针对增强肿瘤核心、全肿瘤和肿瘤核心分别获得 0.79、0.90、0.85 的 dice 分数以及 2.9mm、3.95mm 和 6.48mm 的 95% 豪斯多夫距离；在测试集上该分数退化为 0.77、0.88、0.78 以及 3.6mm、5.72mm 和 5.83mm 的 95% 豪斯多夫距离。
引用
@article{arxiv.1811.07542,
title = {A Pretrained DenseNet Encoder for Brain Tumor Segmentation},
author = {Jean Stawiaski},
journal= {arXiv preprint arXiv:1811.07542},
year = {2018}
}
备注
arXiv admin note: text overlap with arXiv:1710.02316