尺寸皆关键：改进小病灶的脑体积分割
图像与视频处理
2023-10-05 v1 计算机视觉与模式识别
摘要
脑转移瘤（BMs）是最常发生的脑肿瘤。对患有多发性脑转移瘤的患者施行立体定向放射外科治疗需要精准定位转移瘤。神经网络可辅助这一通常由人类专家完成且耗时费力的任务。尤其具有挑战性的是小病灶的检测，因为它们在现有方法中往往代表性不足。然而，各种尺寸的病灶检测都同等重要。在本工作中，我们开发了一个明确聚焦于检测和分割小脑转移瘤的神经网络集成。为完成此任务，我们训练了若干关注脑转移瘤分割问题不同方面的神经网络：我们使用 blob loss，其专门针对病灶实例在尺寸和纹理上的不平衡，因此不会对较大病灶产生偏倚。此外，一个使用 T1 与 T1 对比增强序列间减影序列的模型专注于低对比度病灶。进一步，我们仅在小的病灶上训练了额外的模型。我们的实验证明了额外的 blob loss 与减影序列的效用。然而，将专门的小病灶模型纳入集成反而恶化了分割结果。我们还发现受领域知识启发的后处理步骤在大多数实验中大幅提升了我们的性能。我们的方法使我们能够向 ASNR-MICCAI BraTS 脑转移瘤挑战赛 2023 提交一份具有竞争力的参赛方案。
引用
@article{arxiv.2310.02829,
title = {All Sizes Matter: Improving Volumetric Brain Segmentation on Small Lesions},
author = {Ayhan Can Erdur and Daniel Scholz and Josef A. Buchner and Stephanie E. Combs and Daniel Rueckert and Jan C. Peeken},
journal= {arXiv preprint arXiv:2310.02829},
year = {2023}
}