三维多模态MRI扫描中的脑肿瘤合成分割
图像与视频处理
2020-06-01 v2 机器学习
摘要
脑肿瘤的磁共振（MR）分析被广泛用于肿瘤子区的诊断和检查。健康、增强、非增强和水肿区域的强度分布之间的重叠使得自动分割成为一项具有挑战性的任务。在此，我们展示了一个在高对比度图像上训练的卷积神经网络能够转换脑病变其内部子区的强度分布。具体而言，一个生成对抗网络（GAN）被扩展以合成高对比度图像。对这些合成图像与MR扫描中脑肿瘤组织的真实图像的比较显示分割显著改善，并减少了用于分割的真实通道数量。合成图像被用作真实通道的替代，并可在多模态脑肿瘤分割框架中绕过真实模态。在BraTS 2019数据集上的分割结果表明，我们提出的方法能够高效分割肿瘤区域。最后，我们通过若干回归模型，基于肿瘤子区的体积特征以及每个病例的年龄预测患者生存时间。
引用
@article{arxiv.1909.13640,
title = {Brain Tumor Synthetic Segmentation in 3D Multimodal MRI Scans},
author = {Mohammad Hamghalam and Baiying Lei and Tianfu Wang},
journal= {arXiv preprint arXiv:1909.13640},
year = {2020}
}