脑肿瘤分割与生存预测

本文展示了在BraTS 2019数据集上使用全卷积神经网络进行胶质瘤分割。采用了三层深的编码器-解码器架构，并在编码器部分使用密集连接，将信息从粗层传播到深层。该架构用于分别训练三个肿瘤子区域。子区域训练权重用整个肿瘤的权重进行初始化，以获取肿瘤在脑内的定位。最后，将三个分割结果合并以获得整个肿瘤的分割。在训练数据集上，使用焦点损失实现的整个肿瘤、肿瘤核心和增强肿瘤的Dice相似系数分别为0.92、0.90和0.79。结合影像组学特征、分割结果和年龄，使用随机森林回归器预测患者的总体生存期，将患者生存期分为长期、中期和短期类别。对于切除状态为大体全切除的扫描图像，训练数据集上报告的分类准确率为55.4%。