基于结构MR图像的人脑肿瘤分割与纤维束特征提取用于总生存期预测
计算机视觉与模式识别
2019-02-13 v3 机器学习
摘要
本文提出了一种将人脑连接组学与脑分区相整合用于脑肿瘤分割和生存预测的新方法。对于分割,我们利用MNI152 1mm空间中的现有脑分区图谱,并将该分区映射到每个受试者个体数据。我们使用深度神经网络架构结合难负样本挖掘来实现最终的体素级分类。对于生存预测,我们提出了一种结合连接组数据、脑分区信息和脑肿瘤掩码特征的新方法。我们利用来自人类连接组计划(Human Connectome Project)的平均连接组信息,并将每个受试者脑体积映射到该公共连接组空间。由此,我们计算描述因脑肿瘤引起的潜在神经中断的纤维束特征。这些特征随后被用于预测受试者的总生存期。所提方法的主要新颖之处在于使用来自人类连接组计划的归一化脑分区数据和纤维追踪数据来分析MR图像以进行分割和生存预测。实验结果为在BraTS2018数据集上报告。
引用
@article{arxiv.1807.07716,
title = {Brain Tumor Segmentation and Tractographic Feature Extraction from Structural MR Images for Overall Survival Prediction},
author = {Po-Yu Kao and Thuyen Ngo and Angela Zhang and Jefferson W. Chen and B. S. Manjunath},
journal= {arXiv preprint arXiv:1807.07716},
year = {2019}
}
备注
14 pages, 5 figures, 4 tables, accepted by BrainLes 2018 MICCAI workshop