自动脑肿瘤分割与生物物理引导的生存预测
图像与视频处理
2019-11-21 v1 计算机视觉与模式识别
机器学习
摘要
胶质瘤是最常见的恶性脑肿瘤，具有内在异质性。在多参数磁共振图像（mpMRI）上准确分割胶质瘤及其子区域具有重要的临床意义，其确定了肿瘤大小、形态与外观，并为术前诊断、治疗规划和生存预测提供丰富信息。深度学习的最新进展显著提升了自动医学图像分割的性能。本文中，我们比较了几种最先进的卷积神经网络模型用于脑肿瘤图像分割。基于集成分割结果，我们提出了一种生物物理引导的预后模型用于患者总生存预测，其优于数据驱动的放射组学方法。我们的方法在 MICCAI 2019 BraTS 挑战赛的总生存预测任务中获得第二名。
引用
@article{arxiv.1911.08483,
title = {Automatic Brain Tumour Segmentation and Biophysics-Guided Survival Prediction},
author = {Shuo Wang and Chengliang Dai and Yuanhan Mo and Elsa Angelini and Yike Guo and Wenjia Bai},
journal= {arXiv preprint arXiv:1911.08483},
year = {2019}
}
备注
MICCAI BraTS 2019 Challenge