使用深度卷积神经网络方法的自动肝脏病变分割
计算机视觉与模式识别
2017-07-05 v1
摘要
肝脏病变分割是肝癌诊断、治疗规划和治疗评估的重要步骤。LiTS（肝脏肿瘤分割挑战赛）提供了一个比较不同自动肝脏病变分割方法的通用测试平台。我们通过开发深度卷积神经网络（DCNN）方法参与此挑战。该特定 DCNN 模型以 2.5D 方式工作，即它取一堆相邻切片作为输入并生成对应于中心切片的分割图。该模型总共有 32 层，并利用了来自 U-Net [1] 的长程拼接连接和来自 ResNet [2] 的短程残差连接。该模型使用 130 个 LiTS 训练数据集进行训练，并在 70 个测试 CT 扫描上评估时获得了 0.67 的平均 Dice 分数，这在 ISBI 2017 会议时排名 LiTS 挑战赛第一。
引用
@article{arxiv.1704.07239,
title = {Automatic Liver Lesion Segmentation Using A Deep Convolutional Neural Network Method},
author = {Xiao Han},
journal= {arXiv preprint arXiv:1704.07239},
year = {2017}
}
备注
Submission for ISBI'2017 LiTS Challenge ISIC2017