使用 nnDetection 准确检测纵隔病变
图像与视频处理
2023-03-21 v1 计算机视觉与模式识别
摘要
纵隔病变的准确检测是极少被探索的医学目标检测问题之一。在这项工作中，我们将改进版的自配置方法 nnDetection 应用于 2022 年纵隔病变分析（MELA）挑战赛。通过引入自动生成的伪掩码、在多 GPU 设置下以大幅面块训练高容量模型，以及采用适配的数据增强方案以减少由旋转引起的定位误差，我们的方法在交叉验证实验中取得了优异的 FROC 分数：IoU 0.10 下为 0.9922，IoU 0.3 下为 0.9880。所提交的集成模型在竞赛中排名第三，在 MELA 挑战赛排行榜上的 FROC 分数为 0.9897。
引用
@article{arxiv.2303.11214,
title = {Accurate Detection of Mediastinal Lesions with nnDetection},
author = {Michael Baumgartner and Peter M. Full and Klaus H. Maier-Hein},
journal= {arXiv preprint arXiv:2303.11214},
year = {2023}
}
备注
Published in "Lesion Segmentation in Surgical and Diagnostic Applications"