基于 3D 注意力 UNet 的脑肿瘤分割与生存预测
图像与视频处理
2021-04-05 v1 计算机视觉与模式识别
摘要
在这项工作中，我们开发了一种注意力卷积神经网络(CNN)以从磁共振图像(Magnetic Resonance Images, MRI)中分割脑肿瘤。此外，我们利用多种机器学习方法预测生存率。我们采用 3D UNet 架构，并将通道与空间注意力集成到解码器网络中以执行分割。对于生存预测，我们基于几何、位置、分割肿瘤的形状提取了一些新颖的放射组学(radiomic)特征，并将其与临床信息结合以估计每位患者的生存时长。我们还进行了大量实验以展示各特征对总生存(overall survival, OS)预测的影响。实验结果表明，诸如直方图、坏死区域的位置与形状等放射组学特征以及年龄等临床特征是估计 OS 的最关键参数。
引用
@article{arxiv.2104.00985,
title = {Brain Tumor Segmentation and Survival Prediction using 3D Attention UNet},
author = {Mobarakol Islam and Vibashan VS and V Jeya Maria Jose and Navodini Wijethilake and Uppal Utkarsh and Hongliang Ren},
journal= {arXiv preprint arXiv:2104.00985},
year = {2021}
}
备注
MICCAI-BrainLes Workshop