基于三平面U-Net集成网络的脑肿瘤分割
图像与视频处理
2021-05-25 v1 计算机视觉与模式识别
摘要
胶质瘤在脑MR图像上的表现和位置具有高度变异性，这使得稳健的肿瘤分割极具挑战性，并导致即使是人工分割也存在较高的标注者间差异。在本工作中，我们提出了一种带有独立肿瘤核心预测模块的三平面集成网络，用于精确分割这些肿瘤及其子区域。在MICCAI脑肿瘤分割（BraTS）挑战赛验证数据集上评估我们的方法时，对于肿瘤子区域，我们在增强肿瘤（ET）和肿瘤核心（TC）上均取得了0.77的Dice相似系数。对于整个肿瘤（WT）区域，我们取得了0.89的Dice值，与BraTS'17-19中排名靠前的方法相当。我们的方法在BraTS'20挑战赛中取得的评估分数并列第5高（我们的方法排名第10），在BraTS'20未见过测试数据集上ET、WT和TC区域的平均Dice值分别为0.81、0.89和0.84。
引用
@article{arxiv.2105.11356,
title = {Brain tumour segmentation using a triplanar ensemble of U-Nets},
author = {Vaanathi Sundaresan and Ludovica Griffanti and Mark Jenkinson},
journal= {arXiv preprint arXiv:2105.11356},
year = {2021}
}