术后 MRI 体积中包括纵向采集的切除腔自动分割不同解决方案的比较
计算机视觉与模式识别
2022-10-17 v1 人工智能
摘要
本工作中，我们比较了五种用于术后 MRI 中自动分割切除腔的深度学习解决方案。所提方法基于相同的 3D U-Net 架构。我们使用一个术后 MRI 体积数据集，每个体积包含四个 MRI 序列及相应切除腔的地面真值。四种解决方案分别使用不同的 MRI 序列训练。此外，还给出了一种利用所有可用序列设计的方法。我们的实验表明，仅使用 T1 加权对比增强 MRI 序列训练的方法取得了最佳结果，其中位 DICE 指数为 0.81。
引用
@article{arxiv.2210.07806,
title = {Comparison of different automatic solutions for resection cavity segmentation in postoperative MRI volumes including longitudinal acquisitions},
author = {Luca Canalini and Jan Klein and Nuno Pedrosa de Barros and Diana Maria Sima and Dorothea Miller and Horst Hahn},
journal= {arXiv preprint arXiv:2210.07806},
year = {2022}
}