腹部三维 CT 图像中 2D 与 3D U-Net 器官分割的比较
图像与视频处理
2021-07-12 v1 计算机视觉与模式识别
机器学习
摘要
本文提出一种针对体素 CT 图像中 5 个腹部器官的三维分割两步法。首先提取各相关器官的兴趣体积作为包围盒。提取出的体积作为第二阶段的输入，其中两个具有不同架构维度的待比较 U-Net 将器官分割重建为标签掩码。本工作中，我们聚焦于比较 2D U-Net 与 3D U-Net 对应结构。我们的初步结果表明 Dice 系数最大提升约 6%。在本研究中令人惊讶的是，例如肝脏与肾脏使用更快且节省 GPU 内存的 2D U-Net 得到了显著更好的处理。对于其他腹部关键器官，没有显著差异，但我们观察到在所研究的全部器官上，2D U-Net 在 GPU 计算开销方面具有高度显著的优势。
引用
@article{arxiv.2107.04062,
title = {Comparison of 2D vs. 3D U-Net Organ Segmentation in abdominal 3D CT images},
author = {Nico Zettler and Andre Mastmeyer},
journal= {arXiv preprint arXiv:2107.04062},
year = {2021}
}
备注
9 pages, 6 figure, 2 tables