探索用于 MICCAI 2023 肾脏和肿瘤分割挑战赛的 3D U-Net 训练配置与后处理策略
图像与视频处理
2023-12-12 v1 计算机视觉与模式识别
摘要
据估计，2023 年美国将新诊断出 81,800 例肾癌病例，并有 14,890 人将死于该癌症。术前动态增强腹部计算机断层扫描（CT）通常用于检测病灶。然而，由于肾脏和肾脏肿瘤的影像学特征存在细微差异，因此存在观察者间的变异性。在本文中，我们探索了各种 3D U-Net 训练配置和有效的后处理策略，用于在 CT 图像中精确分割肾脏、囊肿和肾脏肿瘤。我们在 2023 年肾脏和肾脏肿瘤分割（KiTS23）挑战赛的数据集上验证了我们的模型。我们的方法在 KiTS23 挑战赛未见测试数据的最终排名中位列第二，平均 Dice 得分为 0.820，平均 Surface Dice 为 0.712。
引用
@article{arxiv.2312.05528,
title = {Exploring 3D U-Net Training Configurations and Post-Processing Strategies for the MICCAI 2023 Kidney and Tumor Segmentation Challenge},
author = {Kwang-Hyun Uhm and Hyunjun Cho and Zhixin Xu and Seohoon Lim and Seung-Won Jung and Sung-Hoo Hong and Sung-Jea Ko},
journal= {arXiv preprint arXiv:2312.05528},
year = {2023}
}
备注
MICCAI 2023, KITS 2023 challenge 2nd place