使用级联全卷积神经网络的CT与MRI体数据肝脏及肿瘤自动分割
计算机视觉与模式识别
2017-02-24 v2 人工智能
摘要
肝脏和肝脏病变的自动分割是获取用于准确临床诊断和计算机辅助决策支持系统的定量生物标志物的重要步骤。本文提出一种使用级联全卷积神经网络(CFCNs)在CT和MRI腹部图像中自动分割肝脏及病变的方法，从而能够用于大规模医学试验或定量图像分析。我们训练并级联两个FCN以实现肝脏及其病变的联合分割。第一步，训练一个FCN分割肝脏作为第二个FCN的ROI输入。第二个FCN仅在步骤1预测的肝脏ROI内分割病变。CFCN模型在一个包含100个肝肿瘤体数据的腹部CT数据集上训练。在更多数据集上的验证表明，基于CFCN的语义肝脏和病变分割对肝脏的Dice分数超过94%，且每个体数据的计算时间低于100秒。我们进一步在38个MRI肝肿瘤体数据和公共3DIRCAD数据集上实验证明了所提方法的鲁棒性。
引用
@article{arxiv.1702.05970,
title = {Automatic Liver and Tumor Segmentation of CT and MRI Volumes using Cascaded Fully Convolutional Neural Networks},
author = {Patrick Ferdinand Christ and Florian Ettlinger and Felix Grün and Mohamed Ezzeldin A. Elshaera and Jana Lipkova and Sebastian Schlecht and Freba Ahmaddy and Sunil Tatavarty and Marc Bickel and Patrick Bilic and Markus Rempfler and Felix Hofmann and Melvin D Anastasi and Seyed-Ahmad Ahmadi and Georgios Kaissis and Julian Holch and Wieland Sommer and Rickmer Braren and Volker Heinemann and Bjoern Menze},
journal= {arXiv preprint arXiv:1702.05970},
year = {2017}
}
备注
Under Review