BATseg：基于 3D MRI 扫描的边界感知多类脊髓肿瘤分割
图像与视频处理
2024-12-10 v1 计算机视觉与模式识别
机器学习
摘要
脊髓肿瘤在神经形态障碍和死亡方面具有重要贡献。精确的形态学量化，包括肿瘤的大小、位置和类型，为优化治疗计划策略具有前景。尽管最近的方法在医学图像分割方面表现出色，但它们主要关注形状较大的结构（如脑肿瘤），忽略了那些尺寸小、位置多样、形状复杂的脊髓肿瘤这一具有挑战性的问题。为解决这一难题，我们提出了一种新方法，称为 BATseg，通过应用我们新设计的多类边界感知损失函数来学习肿瘤表面距离场。为验证我们方法的有效性，我们还引入了首个大规模脊髓肿瘤数据集。该数据集包含来自 653 名患者的加强 T1 加权 3D MRI 扫描，并包含最常见的四种脊髓肿瘤类型：星形胶质瘤、小脑鞘瘤、血管母细胞瘤和脊髓脑膜瘤。在我们的数据集上以及另一个公开的肾脏肿瘤分割数据集上进行的大量实验表明，我们提出的方法在多类肿瘤分割方面取得了优异的性能。
引用
@article{arxiv.2412.06507,
title = {BATseg: Boundary-aware Multiclass Spinal Cord Tumor Segmentation on 3D MRI Scans},
author = {Hongkang Song and Zihui Zhang and Yanpeng Zhou and Jie Hu and Zishuo Wang and Hou Him Chan and Chon Lok Lei and Chen Xu and Yu Xin and Bo Yang},
journal= {arXiv preprint arXiv:2412.06507},
year = {2024}
}
备注
ECCV 2024 Workshop on BioImage Computing. Code and data are available at: https://github.com/vLAR-group/BATseg