球面坐标变换预处理在深度卷积神经网络脑肿瘤分割与生存预测中的影响
图像与视频处理
2020-11-24 v2 计算机视觉与模式识别
机器学习
摘要
预处理与数据增强在深度卷积神经网络(DCNN)中起着重要作用。尽管若干方法致力于数据集的标准化与增强，我们在此提出一种新方法，旨在以球面空间变换后的输入数据馈送 DCNN，相较于标准笛卡尔空间图像与体数据，其可更好地促进特征学习。本工作中，球面坐标变换被用作一种预处理方法，与常规 MRI 体数据结合使用，在脑肿瘤分割(BraTS)挑战赛 2020 数据集上提升了脑肿瘤分割与患者总生存(OS)预测的准确性。随后应用 LesionEncoder 框架从 DCNN 模型自动提取特征，在验证集上取得 0.586 的 OS 预测准确率，据 BraTS 2020 排行榜此为最佳结果之一。
引用
@article{arxiv.2010.13967,
title = {Impact of Spherical Coordinates Transformation Pre-processing in Deep Convolution Neural Networks for Brain Tumor Segmentation and Survival Prediction},
author = {Carlo Russo and Sidong Liu and Antonio Di Ieva},
journal= {arXiv preprint arXiv:2010.13967},
year = {2020}
}