用于 CT 序列多器官分割的集成方法
图像与视频处理
2023-09-21 v1 计算机视觉与模式识别
机器学习
摘要
在医学图像领域，语义分割是医师需执行的最重要却也最困难且耗时的任务之一。得益于深度学习模型在计算机视觉方面的最新进展，自动化此类任务的愿景正变得愈发现实。然而，诸多问题尚待解决，如数据稀缺，以及将高度专用模型的效率拓展至通用场景之困难。用于放疗治疗规划的危及器官分割即属此类，因为有限的数据可用性负面影响了开发通用模型的可能；在本工作中，我们聚焦于通过提出三类单器官模型的集成来解决此问题，其可利用各组件的不同专长生成多器官掩码。所得结果令人鼓舞，并证明这是寻找高效多器官分割方法的一种可行方案。
引用
@article{arxiv.2303.17956,
title = {Ensemble Methods for Multi-Organ Segmentation in CT Series},
author = {Leonardo Crespi and Paolo Roncaglioni and Damiano Dei and Ciro Franzese and Nicola Lambri and Daniele Loiacono and Pietro Mancosu and Marta Scorsetti},
journal= {arXiv preprint arXiv:2303.17956},
year = {2023}
}