基于条件生成器与多源相关性引导的缺失 MR 模态脑肿瘤分割
图像与视频处理
2021-05-28 v1
摘要
脑肿瘤是最高危的癌症之一，其 5 年生存率仅约 36%。脑肿瘤的准确诊断对治疗规划至关重要。然而，临床场景中并非总能获得完整数据。本文提出一种新颖的脑肿瘤分割网络以应对缺失数据问题。为补偿缺失数据，我们提出使用条件生成器在可用模态条件下生成缺失模态。由于多模态在肿瘤区域具有强相关性，我们设计了一个相关性约束网络以利用多源信息。一方面，相关性约束网络可帮助条件生成器生成应与可用模态保持多源相关性的缺失模态。另一方面，它能引导分割网络学习相关特征表示以提升分割性能。所提网络由条件生成器、相关性约束网络和分割网络组成。我们在 BraTS 2018 数据集上进行了大量实验以评估所提方法。实验结果证明了所提各组件的重要性以及所提方法相较最先进方法的优越性能。
引用
@article{arxiv.2105.13013,
title = {Conditional generator and multi-sourcecorrelation guided brain tumor segmentation with missing MR modalities},
author = {Tongxue Zhou and Stéphane Canu and Pierre Vera and Su Ruan},
journal= {arXiv preprint arXiv:2105.13013},
year = {2021}
}
备注
10 pages, 4 figures