基于多模态深度神经网络的全身 FDG-PET/CT 自动病灶分割
图像与视频处理
2023-02-27 v1
摘要
近期利用深度学习方法实现 PET/CT 病灶自动分割的进展已证明了该任务的可行性。然而，全身 PET/CT 中的肿瘤病灶检测与分割仍是一项具有挑战性的任务。为推动基于机器学习的全身 FDG-PET/CT 数据自动肿瘤病灶分割研究，举办了全身 FDG-PET/CT 自动病灶分割（autoPET）挑战赛，并提供了大规模公开可用的训练数据集。在本报告中，我们展示了针对 autoPET 挑战赛的解决方案。我们采用了具有深度监督的多模态残差 U-Net。对五个初步测试用例的实验结果显示，Dice 分数为 0.79 ± 0.21。
引用
@article{arxiv.2302.12774,
title = {Automated Lesion Segmentation in Whole-Body FDG-PET/CT with Multi-modality Deep Neural Networks},
author = {Satoshi Kondo and Satoshi Kasai},
journal= {arXiv preprint arXiv:2302.12774},
year = {2023}
}
备注
arXiv admin note: text overlap with arXiv:2302.08016