AutoPET 2023挑战赛：基于滑动窗口的U-Net优化
图像与视频处理
2023-10-05 v2 计算机视觉与模式识别
摘要
医学影像中的肿瘤分割至关重要，且依赖于精确勾画。氟代脱氧葡萄糖正电子发射断层扫描（FDG-PET）在临床实践中被广泛用于检测代谢活跃肿瘤。然而，FDG-PET扫描可能将健康或良性组织中不规则的葡萄糖摄取误判为癌症。将PET与计算机断层扫描（CT）结合，可通过整合代谢与解剖信息来增强肿瘤分割。FDG-PET/CT扫描利用放射性标记的氟代脱氧葡萄糖突出代谢活跃区域，对癌症分期与再评估至关重要。在精确肿瘤分割中，准确区分肿瘤特异性摄取与正常组织中的生理性摄取是一项具有挑战性的环节。AutoPET挑战赛通过提供1014例FDG-PET/CT研究的数据集，推动FDG-PET/CT领域内精确肿瘤分割与分析的发展。代码：https://github.com/matt3o/AutoPET2-Submission/
引用
@article{arxiv.2309.12114,
title = {AutoPET Challenge 2023: Sliding Window-based Optimization of U-Net},
author = {Matthias Hadlich and Zdravko Marinov and Rainer Stiefelhagen},
journal= {arXiv preprint arXiv:2309.12114},
year = {2023}
}
备注
9 pages, 1 figure, MICCAI 2023 - AutoPET Challenge Submission Version 2: Added all results on the preliminary test set