用于 MRI 中海马体分割的膨胀深度监督网络
图像与视频处理
2022-03-03 v1 人工智能
机器学习
摘要
海马体的组织丢失与阿尔茨海默病（AD）的进展高度相关。海马体的形状和结构是临床医生进行早期 AD 诊断和预后判断的重要因素。然而，在 MR 研究中对此类皮层下结构的手动分割是一项具有挑战性且主观的任务。在本文中，我们研究了著名的 3D U-Net（一种用于语义分割任务的卷积神经网络（CNN））的变体。我们提出了一种替代形式的 3D U-Net，其使用膨胀卷积和深度监督将多尺度信息整合到模型中。所提方法在 MICCAI 2018 分割十项全能挑战赛提供的 MRI 数据集上针对海马体头部和体部分割任务进行了评估。实验结果表明，我们的方法在不同分割精度指标上优于其他常规方法。
引用
@article{arxiv.1903.09097,
title = {Dilated deeply supervised networks for hippocampus segmentation in MRI},
author = {Lukas Folle and Sulaiman Vesal and Nishant Ravikumar and Andreas Maier},
journal= {arXiv preprint arXiv:1903.09097},
year = {2022}
}
备注
BVM 2019 conference paper