解耦PET病灶分割
图像与视频处理
2024-11-05 v1 计算机视觉与模式识别
机器学习
摘要
PET成像在临床环境中是一种宝贵的工具，因为它能够捕捉健康解剖结构和癌性病灶的功能活动。开发PET图像的自动病灶分割方法至关重要，因为手动病灶分割耗时且容易受到观察者间和观察者内变异的影响。我们提出PET-Disentangler，一种三维解耦方法，采用类似3D UNet的编码器-解码器架构，通过分割、重建和健康成分合理性损失来解耦疾病特征与正常健康解剖特征。使用一个判别网络来鼓励健康潜在特征匹配健康样本的分布，从而促使这些特征不包含任何病灶相关特征。我们的定量结果表明，PET-Disentangler不太可能将健康和示踪剂高摄取区域错误地声明为癌性病灶，因为这种摄取模式会被分配到解耦的健康成分中。
引用
@article{arxiv.2411.01758,
title = {Disentangled PET Lesion Segmentation},
author = {Tanya Gatsak and Kumar Abhishek and Hanene Ben Yedder and Saeid Asgari Taghanaki and Ghassan Hamarneh},
journal= {arXiv preprint arXiv:2411.01758},
year = {2024}
}
备注
4 pages, 2 figures, 1 table