基于先验知识的儿童脑肿瘤及肿瘤亚区分割工具
图像与视频处理
2021-10-01 v1 计算机视觉与模式识别
机器学习
摘要
过去几年中，深度学习（DL）模型在脑肿瘤及亚区分割任务上备受关注并展现出优越性能。然而，其成功仅限于成人胶质瘤的分割，因为已有充足数据被收集、人工标注并公开发布用于训练 DL 模型。由于儿童肿瘤外观不同于成人胶质瘤，分割儿童肿瘤仍具挑战性。因此，直接在儿童数据上应用预训练的 DL 模型通常产生不可接受的结果。由于儿童数据（无论标注与否）非常有限，我们提出一种基于知识而非从数据学习的脑肿瘤分割模型。我们还针对高度异质性的肿瘤（如非典型畸胎样/横纹肌样瘤（ATRT））提供了更多亚区的分割。在无法进行迁移训练数据可用的情况下，我们提出的方法在儿童数据的全肿瘤与亚区分割任务上均优于基于 DL 的模型。
引用
@article{arxiv.2109.14775,
title = {A Prior Knowledge Based Tumor and Tumoral Subregion Segmentation Tool for Pediatric Brain Tumors},
author = {Silu Zhang and Angela Edwards and Shubo Wang and Zoltan Patay and Asim Bag and Matthew A. Scoggins},
journal= {arXiv preprint arXiv:2109.14775},
year = {2021}
}