乳腺 MRI 病灶分割中无监督算法的比较分析
计算机视觉与模式识别
2018-02-26 v1
摘要
准确分割乳腺病灶是评估肿瘤特征的关键步骤。然而，这是一项具有挑战性的任务，因为乳腺病灶具有复杂的形状、拓扑结构以及强度分布上的差异。本文中，我们评估了三种无监督算法在乳腺磁共振(MRI)病灶分割任务上的性能，即高斯混合模型聚类、K-means 聚类以及一种基于标记控制分水岭变换的方法。所有方法均应用于由专家放射科医生选定感兴趣区域(ROIs)后的乳腺 MRI 切片，并在 106 名受试者的图像上进行评估，其中包含 59 个恶性病灶和 47 个良性病灶。通过使用 Dice 相似系数(DSC)、Jaccard 指数(JI)、Hausdorff 距离和精确率-召回率指标，将我们的结果与真实掩码进行比较来评估分割精度。结果表明，基于标记控制的分水岭变换优于所考察的所有其他算法。
引用
@article{arxiv.1802.08655,
title = {Comparative Analysis of Unsupervised Algorithms for Breast MRI Lesion Segmentation},
author = {Sulaiman Vesal and Nishant Ravikumar and Stephan Ellman and Andreas Maier},
journal= {arXiv preprint arXiv:1802.08655},
year = {2018}
}
备注
6 pages, submitted to Bildverarbeitung in der Medizin 2018