HNF-Netv2：利用多模态 MR 成像进行脑肿瘤分割
图像与视频处理
2022-02-14 v1 计算机视觉与模式识别
摘要
在我们之前的工作（即 HNF-Net）中，我们利用高分辨率特征表示和轻量级非局部自注意力机制，通过多模态 MR 成像进行脑肿瘤分割。在本文中，我们将 HNF-Net 扩展为 HNF-Netv2，通过添加尺度间和尺度内语义判别增强模块，进一步利用所获高分辨率特征的全局语义判别能力。我们在多模态脑肿瘤分割挑战赛（BraTS）2021 数据集上训练并评估了我们的 HNF-Netv2。测试集上的结果显示，我们的 HNF-Netv2 在增强肿瘤、肿瘤核心和整个肿瘤上分别取得了 0.878514、0.872985 和 0.924919 的平均 Dice 分数，以及 8.9184、16.2530 和 4.4895 的豪斯多夫距离（）。我们的方法赢得了 RSNA 2021 脑肿瘤 AI 挑战赛奖（分割任务），在全部 1250 个提交结果中排名第 8。
引用
@article{arxiv.2202.05268,
title = {HNF-Netv2 for Brain Tumor Segmentation using multi-modal MR Imaging},
author = {Haozhe Jia and Chao Bai and Weidong Cai and Heng Huang and Yong Xia},
journal= {arXiv preprint arXiv:2202.05268},
year = {2022}
}
备注
RSNA 2021 Brain Tumor AI Challenge Top Solution. arXiv admin note: substantial text overlap with arXiv:2012.15318