基于级联各向异性卷积神经网络的脑肿瘤自动分割
计算机视觉与模式识别
2018-07-23 v2
摘要
提出一种全卷积神经网络级联，用于将带有脑肿瘤的多模态磁共振(MR)图像分割为背景及三个层次化区域：全肿瘤、肿瘤核心和增强肿瘤核心。该级联旨在根据子区域层次结构将多类分割问题分解为一系列三个二值分割问题。第一步分割全肿瘤，其边界框用于第二步的肿瘤核心分割。随后基于肿瘤核心分割结果的边界框分割增强肿瘤核心。我们的网络由多层各向异性和膨胀卷积滤波器构成，并结合多视图融合以减少假阳性。这些网络中采用了残差连接和多尺度预测以提升分割性能。在BraTS 2017验证集上的实验表明，所提方法对增强肿瘤核心、全肿瘤和肿瘤核心分别取得了0.7859、0.9050、0.8378的平均Dice分数。BraTS 2017测试集的对应值分别为0.7831、0.8739和0.7748。
引用
@article{arxiv.1709.00382,
title = {Automatic Brain Tumor Segmentation using Cascaded Anisotropic Convolutional Neural Networks},
author = {Guotai Wang and Wenqi Li and Sebastien Ourselin and Tom Vercauteren},
journal= {arXiv preprint arXiv:1709.00382},
year = {2018}
}
备注
12 pages, 5 figures. MICCAI Brats Challenge 2017