基于增强 U-Net 模型与实证分析的脑肿瘤分割
图像与视频处理
2023-01-18 v2 计算机视觉与模式识别
机器学习
摘要
脑癌是致命的，需要精细的外科手术分割。使用基于卷积神经网络（CNN）的 U-Net 对脑肿瘤进行分割。在寻找坏死、水肿、增生和健康组织的重叠时，可能难以从图像中获取相关信息。我们改进了 2D U-Net 网络并使用 BraTS 数据集进行训练，以找出这四类区域。U-Net 可建立多条编码器和解码器路径，用于以不同方式从图像中获取可用信息。为减少计算时间，我们使用图像分割排除不显著的背景细节。在 BraTS 数据集上的实验表明，我们提出的从 MRI（磁共振成像）分割脑肿瘤的模型效果良好。在本研究中，我们证明 2017、2018、2019 和 2020 年的 BraTS 数据集与 BraTS 2019 数据集所获得的 dice 分数（坏死 0.8717、水肿 0.9506、增强 0.9427）无显著差异。
引用
@article{arxiv.2210.13336,
title = {Brain Tumor Segmentation using Enhanced U-Net Model with Empirical Analysis},
author = {MD Abdullah Al Nasim and Abdullah Al Munem and Maksuda Islam and Md Aminul Haque Palash and MD. Mahim Anjum Haque and Faisal Muhammad Shah},
journal= {arXiv preprint arXiv:2210.13336},
year = {2023}
}
备注
5 tables, 4 figures, 5 equations