AutoPET挑战赛2022：全身FDG-PET/CT中逐步病灶分割
图像与视频处理
2022-09-20 v1 计算机视觉与模式识别
摘要
肿瘤病灶的自动分割是定量PET/CT分析的关键初始处理步骤。然而，众多具有不同形状、大小和摄取强度的肿瘤病灶可能分布于全身不同解剖背景中，且健康器官也存在显著摄取。因此，构建系统性的PET/CT肿瘤病灶分割模型是一项挑战性任务。本文提出一种新颖的逐步三维分割方法来解决该问题。我们在初步测试集上取得了0.92的Dice分数、0.89的假阳性体积和0.53的假阴性体积。我们的代码可在以下链接获取：https://github.com/rightl/autopet。
引用
@article{arxiv.2209.09199,
title = {AutoPET Challenge 2022: Step-by-Step Lesion Segmentation in Whole-body FDG-PET/CT},
author = {Zhantao Liu and Shaonan Zhong and Junyang Mo},
journal= {arXiv preprint arXiv:2209.09199},
year = {2022}
}
备注
arXiv admin note: substantial text overlap with arXiv:2209.01212