CT 图像中肾脏与肝脏肿瘤的自动分割
图像与视频处理
2019-09-18 v2 计算机视觉与模式识别
摘要
由于肿瘤的异质、弥散形状以及复杂背景，在计算机断层扫描(CT)图像中对肝脏病灶进行自动分割是一项具有挑战性的任务。为解决该问题，越来越多的研究者依赖具有 2D 或 3D 类型架构的深度卷积神经网络(CNN)的辅助，此类网络已被证明在包括医学图像处理在内的广泛计算机视觉任务中有效。在本技术报告中，我们开展的研究侧重于更细致的学习过程而非复杂的 CNN 架构。我们选取 MICCAI 2017 LiTS 数据集用于训练过程，并使用公开的 3DIRCADb 数据集验证我们的方法。所提算法在 3DIRCADb 数据集上达到了 78.8% 的 DICE 分数。随后将所描述的方法应用于 2019 年肾脏肿瘤分割(KiTS-2019)挑战赛，我们的单次提交在肾脏上取得了 96.38%、在肿瘤上取得了 67.38% 的 Dice 分数。
引用
@article{arxiv.1908.01279,
title = {Automatic segmentation of kidney and liver tumors in CT images},
author = {Dina B. Efremova and Dmitry A. Konovalov and Thanongchai Siriapisith and Worapan Kusakunniran and Peter Haddawy},
journal= {arXiv preprint arXiv:1908.01279},
year = {2019}
}
备注
Method description manuscript for our test predictions for the 2019 Kidney Tumor Segmentation Challenge, https://kits19.grand-challenge.org/home/