前列腺分区的自动分割
计算机视觉与模式识别
2018-06-20 v1
摘要
卷积网络已成为自动医学图像分析的最先进方法，其中 U-net 架构目前最为流行。本文中，我们报道了将 3D 版 U-net 应用于 3D MRI 图像中前列腺外周带与移行带的自动分割。我们的结果略优于近期采用 2D U-net 与手工特征方法的研究。此外，我们测试了改进 3D U-net 设置的思路：1) 让网络分割周围组织以利用固定的解剖结构；2) 调整网络架构以反映 MRI 图像体素各维度上的各向异性。后者调整仅带来微小改进，而前者调整导致网络性能显著下降。我们通过检查网络所有层中的特征图激活解释了这一下降。我们表明，为分割更多组织，网络用检测周围组织的特征图替换了原本专用于检测前列腺外周带的特征图。
引用
@article{arxiv.1806.07146,
title = {Automatic segmentation of prostate zones},
author = {Germonda Mooij and Ines Bagulho and Henkjan Huisman},
journal= {arXiv preprint arXiv:1806.07146},
year = {2018}
}