基于带不确定性估计的 3D-CNN 的脑肿瘤分割
图像与视频处理
2020-09-28 v1 计算机视觉与模式识别
机器学习
摘要
在三维磁共振图像（MRI）中自动分割脑肿瘤是评估疾病诊断与治疗的关键。近年来，卷积神经网络（CNN）在该任务上展现出改进的结果。然而，高内存消耗在 3D-CNN 中仍是一个问题。此外，大多数方法不包含不确定性信息，而这在医学诊断中尤为关键。本工作提出一种基于 V-Net \cite{vnet} 的 3D 编码器-解码器架构，采用分块训练技术以降低内存消耗并减轻数据不平衡的影响。我们还引入体素级不确定性，分别利用测试时 dropout 和数据增强来估计认知不确定性与偶然不确定性。不确定性图可为神经科专家提供额外信息，有助于检测模型对所提供分割结果不自信的情况。
引用
@article{arxiv.2009.12188,
title = {Brain Tumor Segmentation using 3D-CNNs with Uncertainty Estimation},
author = {Laura Mora Ballestar and Veronica Vilaplana},
journal= {arXiv preprint arXiv:2009.12188},
year = {2020}
}
备注
Pre-conference paper. Brain Tumor Segmentation (BraTS) Challenge 2020