基于可变形配准与部分卷积网络的高级别胶质瘤MR脑图像非肿瘤组织自动分割
图像与视频处理
2020-07-13 v1 计算机视觉与模式识别
摘要
在脑肿瘤诊断与手术规划中，肿瘤区域的分割以及对周围正常组织的精确分析对医生而言是必要的。病理变异性常使得将标记良好的正常图谱配准到此类图像并自动分割/标记周围正常脑组织变得困难。本文提出一种新的配准方法：首先使用U-Net分割脑肿瘤，随后利用部分卷积网络在肿瘤区域内模拟缺失的正常组织；接着将标准正常脑图谱图像配准到此类去肿瘤图像上，以分割/标记正常脑组织。由此，我们的新方法大幅降低了可变形配准中病理变异性带来的影响，并较好地分割了脑肿瘤周围的正常组织。实验中，我们使用MICCAI BraTS2018的T1肿瘤图像评估所提算法。将直接配准与所提算法对比，结果显示周围正常脑组织的灰质Dice系数显著提升。
引用
@article{arxiv.2007.05224,
title = {Automatic Segmentation of Non-Tumor Tissues in Glioma MR Brain Images Using Deformable Registration with Partial Convolutional Networks},
author = {Zhongqiang Liu},
journal= {arXiv preprint arXiv:2007.05224},
year = {2020}
}