使用简单方法有效分割治疗后胶质瘤：人工序列生成与集成模型
图像与视频处理
2024-09-13 v1 计算机视觉与模式识别
摘要
分割是医学成像领域的一项关键任务，通常是医学体数据分析的重要初步步骤甚至先决条件。然而，手术等治疗手段使感兴趣区域的准确勾勒变得复杂。BraTS Post-Treatment 2024 挑战赛发布了首个用于术后胶质瘤分割的公开数据集，并通过促进 MRI 数据中胶质瘤自动分割工具的开发来解决上述问题。在此工作中，我们提出了两种直接的方法来增强基于深度学习方法的分割性能。首先，我们引入了一个基于可用 MRI 序列输入简单线性组合的额外输入，以突出强化的肿瘤。其次，我们采用多种集成方法来加权一系列模型的贡献。我们的结果表明，与基线模型相比，这些方法显著提高了分割性能，凸显了这些简单方法在改进医学图像分割任务中的有效性。
引用
@article{arxiv.2409.08143,
title = {Effective Segmentation of Post-Treatment Gliomas Using Simple Approaches: Artificial Sequence Generation and Ensemble Models},
author = {Heejong Kim and Leo Milecki and Mina C Moghadam and Fengbei Liu and Minh Nguyen and Eric Qiu and Abhishek Thanki and Mert R Sabuncu},
journal= {arXiv preprint arXiv:2409.08143},
year = {2024}
}
备注
Invited for an Oral Presentation at the MICCAI BraTS Challenge 2024