体磁共振前列腺分割中良好模型训练的综合研究
图像与视频处理
2022-08-30 v1 计算机视觉与模式识别
机器学习
摘要
2020年，前列腺癌是国际第三大常见癌症，仅次于乳腺癌和肺癌。此外，近年来前列腺癌呈上升趋势。根据临床经验，若此病早发现早治疗，患者存活几率较高。有助于诊断前列腺癌的一项任务是磁共振成像中的前列腺分割。临床专家进行的手动分割有其缺点，例如：观察者需要投入大量时间与精力，以及观察者间与观察者内的变异性。这正是近年来基于卷积神经网络的自动前列腺分割方法兴起的原因。其中许多提出了新颖的架构。在本文中，我对若干深度学习模型进行了详尽研究，将其调整用于前列腺预测任务。我没有使用新颖架构，而是将工作更多聚焦于如何训练网络。我的方法基于ResNext101 3D编码器与Unet3D解码器。我提供了一项关于重采样数据中分辨率重要性的研究，这是此前无人做过的工作。
引用
@article{arxiv.2208.13671,
title = {Comprehensive study of good model training for prostate segmentation in volumetric MRI},
author = {Carlos Nácher Collado},
journal= {arXiv preprint arXiv:2208.13671},
year = {2022}
}