基于MRI图像与粗略肿瘤边界的胶囊网络脑肿瘤分类
计算机视觉与模式识别
2018-11-05 v1
摘要
根据官方统计,癌症被认为是人类死亡的第二大原因。在不同类型的癌症中,脑肿瘤由于其侵袭性、异质特性和较低的相对存活率而被视为最致命的形式之一。确定脑肿瘤的类型对治疗选择和患者存活具有重大影响。以人为中心的诊断通常容易出错且不可靠,导致最近使用卷积神经网络(CNNs)实现该过程自动化的兴趣激增。然而,CNNs未能充分利用空间关系,这对肿瘤分类尤其有害,因为肿瘤与其周围组织的关系是肿瘤类型的关键指标。在我们最近的工作中,我们引入了新开发的CapsNets来克服这一缺点。然而,CapsNets对杂乱的图像背景高度敏感。本文解决了这一不足。主要贡献是使CapsNet能够获取肿瘤周围组织的信息,同时不使其偏离主要目标。因此,提出了一种改进的CapsNet架构用于脑肿瘤分类,该架构在其流程中将肿瘤粗略边界作为额外输入以提高CapsNet的专注度。所提出的方法明显优于其对应方法。
引用
@article{arxiv.1811.00597,
title = {Capsule Networks for Brain Tumor Classification based on MRI Images and Course Tumor Boundaries},
author = {Parnian Afshar and Konstantinos N. Plataniotis and Arash Mohammadi},
journal= {arXiv preprint arXiv:1811.00597},
year = {2018}
}