扩展 nn-UNet 用于脑肿瘤分割
图像与视频处理
2021-12-10 v1 计算机视觉与模式识别
摘要
脑肿瘤分割对于神经胶质瘤患者的诊断和预后至关重要。脑肿瘤分割挑战赛持续为开发执行该任务的自动算法提供丰富的数据来源。本文描述了我们对 2021 年竞赛的贡献。我们基于去年竞赛的获胜方案 nn-UNet 开发了我们的方法。我们尝试了几种修改，包括使用更大的网络、用组归一化替换批归一化，以及在解码器中使用轴向注意力。内部的 5 折交叉验证以及组织者的在线评估表明了我们方法的有效性，与基线相比在定量指标上有小幅提升。所提出的模型在未见测试数据的最终排名中获得第一名。获胜提交的代码、预训练权重和 docker 镜像已在 https://github.com/rixez/Brats21_KAIST_MRI_Lab 公开提供。
引用
@article{arxiv.2112.04653,
title = {Extending nn-UNet for brain tumor segmentation},
author = {Huan Minh Luu and Sung-Hong Park},
journal= {arXiv preprint arXiv:2112.04653},
year = {2021}
}
备注
12 pages, 4 figures, BraTS competition paper