基于全卷积神经网络与纹理分析的胶质瘤自动分割及总生存预测
计算机视觉与模式识别
2017-12-07 v1
摘要
在本文中，我们使用全卷积神经网络（FCNN）从磁共振图像（MRI）中分割胶质瘤。通过从患者体数据中提取的二维切片上训练一个23层深的FCNN，实现了全自动的、基于体素的分类。该网络在130名患者的切片上训练，并在50名患者上验证。对于生存预测任务，从T1增强后体数据中提取基于纹理和形状的特征来训练XGBoost回归器。在BraTS 2017验证集上，所提方案取得了平均全肿瘤、肿瘤核心和活跃区域的Dice分数分别为0.83、0.69和0.69，以及总生存预测准确率52%。
引用
@article{arxiv.1712.02066,
title = {Automatic Segmentation and Overall Survival Prediction in Gliomas using Fully Convolutional Neural Network and Texture Analysis},
author = {Varghese Alex and Mohammed Safwan and Ganapathy Krishnamurthi},
journal= {arXiv preprint arXiv:1712.02066},
year = {2017}
}
备注
10 Pages, 6 Figures