基于 U-net 的卷积神经网络在 CT 肝脏分割中的比较
计算机视觉与模式识别
2018-10-10 v1
摘要
针对 CT 图像中的肝脏分割，已有多种方法被提出：除了在该研究领域曾发挥重要作用的统计形状模型外，近年来也引入了基于卷积神经网络的新方法。利用一组包含 219 个肝脏 CT 数据集及其来自肝脏手术规划的参考分割，我们评估了若干基于 2D 和 3D U-net 架构的神经网络分类器的性能。一个有趣的观察是，切片式方法表现得出奇地好，其 Dice 系数的均值和中位数均高于 0.97，并且在当前硬件和软件限制下可能优于 3D 方法。
引用
@article{arxiv.1810.04017,
title = {Comparison of U-net-based Convolutional Neural Networks for Liver Segmentation in CT},
author = {Hans Meine and Grzegorz Chlebus and Mohsen Ghafoorian and Itaru Endo and Andrea Schenk},
journal= {arXiv preprint arXiv:1810.04017},
year = {2018}
}