使用计算机断层扫描影像与 3D CNN 的高效肝脏分割
图像与视频处理
2022-08-30 v1 计算机视觉与模式识别
机器学习
摘要
由于其对人体的重要功能，如从废物和药物中解毒血液，肝脏是脊椎动物中最关键的代谢器官之一。由肝脏肿瘤引起的肝脏疾病是全球最常见的死亡原因之一。因此，在肿瘤发展的早期阶段检测肝脏肿瘤作为医疗治疗的关键部分被高度需要。许多成像方式可用作检测肝脏肿瘤的辅助工具。计算机断层扫描（CT）是软组织器官（如肝脏）最常用的成像方式。这是因为它是一种侵入性模态，可以相对快速地获取。本文提出了一种高效的自动肝脏分割框架，使用 3D CNN DeepMedic 网络模型从腹部 CT 扫描中检测并分割出肝脏。准确分割肝脏区域然后将分割出的肝脏区域作为肿瘤分割方法的输入，被许多研究采用，因为它减少了将腹部器官误分割为肿瘤所导致的错误率。所提出的 3D CNN DeepMedic 模型具有两条输入路径，而非原始 3D CNN 模型的一条路径。在本文中，网络被提供多个腹部 CT 版本，这有助于提高分割质量。所提出的模型在准确率、灵敏度、特异性和 Dice 相似系数上分别达到了 94.36%、94.57%、91.86% 和 93.14%。实验结果表明了所提方法的适用性。
引用
@article{arxiv.2208.13271,
title = {Efficient liver segmentation with 3D CNN using computed tomography scans},
author = {Khaled Humady and Yasmeen Al-Saeed and Nabila Eladawi and Ahmed Elgarayhi and Mohammed Elmogy and Mohammed Sallah},
journal= {arXiv preprint arXiv:2208.13271},
year = {2022}
}
备注
21 pages, 4 figures, 3 tables