基于 CNN 的 T2 加权 MR 图像前列腺分区分割：一项跨数据集研究
计算机视觉与模式识别
2019-04-01 v1 人工智能
摘要
前列腺癌是美国男性中最常见的癌症。尽管多参数磁共振成像（MRI）取得了进展，可提供与病理区域相关的形态学与功能性信息，前列腺成像仍具挑战性。除全前列腺腺体分割外，区分中央腺（CG）与外周带（PZ）可辅助鉴别诊断，因为这些区域中肿瘤的频率与严重程度不同；然而，其边界通常微弱且模糊。本工作提出了一项关于深度学习自动勾画 CG 与 PZ 的初步研究，旨在评估卷积神经网络（CNNs）在两个多中心 MRI 前列腺数据集上的泛化能力。特别地，我们比较了三种基于 CNN 的架构：SegNet、U-Net 与 pix2pix。在此背景下，以 4 折交叉验证比较了使用/未使用预训练所达到的分割性能。总体而言，U-Net 优于其他方法，尤其在训练与测试均在多个数据集上进行时。
引用
@article{arxiv.1903.12571,
title = {CNN-based Prostate Zonal Segmentation on T2-weighted MR Images: A Cross-dataset Study},
author = {Leonardo Rundo and Changhee Han and Jin Zhang and Ryuichiro Hataya and Yudai Nagano and Carmelo Militello and Claudio Ferretti and Marco S. Nobile and Andrea Tangherloni and Maria Carla Gilardi and Salvatore Vitabile and Hideki Nakayama and Giancarlo Mauri},
journal= {arXiv preprint arXiv:1903.12571},
year = {2019}
}
备注
12 pages, 3 figures, Accepted to Neural Approaches to Dynamics of Signal Exchanges as a Springer book chapter