DeepGI：一种用于 MRI 扫描中胃肠道道分割的自动化方法
图像与视频处理
2024-01-30 v1 计算机视觉与模式识别
摘要
胃肠道癌症构成了全球性的健康挑战，需要精确的放射治疗规划以获得最佳的治疗效果。本文介绍了一种前沿的方法，用于在磁共振成像扫描中自动化分割胃肠道区域。利用先进的深度学习架构，所提出的模型集成了用于初始分类的 Inception-V4、带有 VGG19 编码器以处理 2.5D 数据的 UNet++，以及用于灰度数据分割的 Edge UNet。采用精细的数据预处理（包括创新的 2.5D 处理）来增强适应性、鲁棒性和准确性。这项工作解决了当前放射治疗规划中手动且耗时的分割过程，提出了一个能够捕捉复杂解剖细节的统一模型。多种架构的集成，每种架构专门处理分割任务的独特方面，标志着一个新颖且全面的解决方案。该模型成为临床医生高效且准确的工具，标志着放射治疗规划中胃肠道图像分割领域的重大进步。
引用
@article{arxiv.2401.15354,
title = {DeepGI: An Automated Approach for Gastrointestinal Tract Segmentation in MRI Scans},
author = {Ye Zhang and Yulu Gong and Dongji Cui and Xinrui Li and Xinyu Shen},
journal= {arXiv preprint arXiv:2401.15354},
year = {2024}
}