基于深度学习算法的CT图像肝脏自动分割：一项比较研究
图像与视频处理
2021-01-26 v1 计算机视觉与模式识别
机器学习
摘要
医学影像已被用于辅助医学诊断和治疗，也可为外科医生提供关键信息以促进优化的手术前规划与围手术期管理。本质上，许多研究者已对半自动器官与肿瘤分割进行了研究。近来，随着深度学习(DL)算法的发展，自动器官分割引起了研究人员的广泛关注。本文旨在通过适配并比较在不同学科中研究的最先进DL框架，提出用于肝脏分割的最高效DL架构。这些框架被实现并适配到商业软件“LiverVision”中。其目的是揭示用于全自动肝脏分割的最有效且最准确的DL架构。在实验中为所有架构提供了同等条件，以衡量算法精度的有效性，并采用Dice系数度量来支持比较分析。实验结果证明，考虑到时间、成本和有效性等概念所进行的实验，“U-Net”和“SegNet”表现优异。在两种架构中，观察到“SegNet”在消除假阳性值方面更为成功。此外，可见仅用于衡量图像分割有效性的精度度量是不够的。结果表明，DL算法能够以高精度从DICOM图像中自动分割器官。这一贡献对手术前规划至关重要，并促使作者将该方法应用于不同的器官和医学领域。
引用
@article{arxiv.2101.09987,
title = {Automatic Liver Segmentation from CT Images Using Deep Learning Algorithms: A Comparative Study},
author = {K. E. Sengun and Y. T. Cetin and M. S Guzel and S. Can and E. Bostanci},
journal= {arXiv preprint arXiv:2101.09987},
year = {2021}
}