基于深度学习技术的MRI图像脑肿瘤分割
图像与视频处理
2023-05-02 v1 计算机视觉与模式识别
机器学习
摘要
脑肿瘤无论良性或恶性均可能危及生命，需付出艰辛努力以辨识其类型、起源与位置，更毋论治愈。医学专家手动分割耗时费力，亟需技术介入以高精度加快该过程。针对医学图像分割，我们考察并确定了在该脑肿瘤分割数据集中表现稳定的 capable 深度学习模型。本研究中，一个公开MRI成像数据集包含来自233名患者的3064张T1加权图像，涵盖脑膜瘤、胶质瘤与垂体瘤三种脑肿瘤变体。在采用基于文献综述获得的U-Net与Attention U-Net（多种骨干）、Deep Residual U-Net、ResUnet++及Recurrent Residual U-Net等知名图像分割深度学习模型实施与训练前，对数据集文件进行了转换与预处理。实验结果表明，所有应用方法中，采用Adam优化器的循环残差U-Net达到0.8665的平均交并比，优于其他对比的SOTA深度学习模型。可视化结果亦显示从MRI扫描中分割脑肿瘤的卓越效果，并证明该算法对医生自动提取脑癌以造福人类大有裨益。
引用
@article{arxiv.2305.00257,
title = {Brain Tumor Segmentation from MRI Images using Deep Learning Techniques},
author = {Ayan Gupta and Mayank Dixit and Vipul Kumar Mishra and Attulya Singh and Atul Dayal},
journal= {arXiv preprint arXiv:2305.00257},
year = {2023}
}
备注
15 pages, 8 figures, 3 tables, 12th International Advanced Computing Conference