H2NF-Net用于基于多模态MR成像的脑肿瘤分割：BraTS 2020分割任务亚军方案

Haozhe Jia; Weidong Cai; Heng Huang; Yong Xia

H2NF-Net用于基于多模态MR成像的脑肿瘤分割：BraTS 2020分割任务亚军方案

图像与视频处理 2021-01-01 v1 计算机视觉与模式识别

作者: Haozhe Jia , Weidong Cai , Heng Huang , Yong Xia

摘要

本文中，我们提出一种混合高分辨率与非局部特征网络(H2NF-Net)以在多模态MR图像中分割脑肿瘤。我们的H2NF-Net使用单一与级联的HNF-Net分割不同的脑肿瘤子区域，并将预测组合作为最终分割。我们在多模态脑肿瘤分割挑战赛(BraTS)2020数据集上训练和评估了我们的模型。测试集上的结果显示，单一与级联模型的组合在增强肿瘤、全肿瘤和肿瘤核心上分别取得了平均Dice分数0.78751、0.91290和0.85461，以及Hausdorff距离( $95\%$ )26.57525、4.18426和4.97162。我们的方法在近80名参与者中赢得了BraTS 2020挑战赛分割任务的第二名。

关键词

脑肿瘤分割多模态MRI H2NF-Net BraTS挑战赛深度学习医学图像分析

引用

@article{arxiv.2012.15318,
  title  = {H2NF-Net for Brain Tumor Segmentation using Multimodal MR Imaging: 2nd Place Solution to BraTS Challenge 2020 Segmentation Task},
  author = {Haozhe Jia and Weidong Cai and Heng Huang and Yong Xia},
  journal= {arXiv preprint arXiv:2012.15318},
  year   = {2021}
}

备注

Accepted by MICCAI BrainLesion Workshop 2020

H2NF-Net用于基于多模态MR成像的脑肿瘤分割：BraTS 2020分割任务亚军方案

摘要

关键词

引用

备注

相关论文