植入合成病灶以改善CT检查中的肝脏病灶分割
图像与视频处理
2020-08-12 v1 计算机视觉与模式识别
摘要
使用计算机断层扫描（CT）检查的监督式病灶分割算法的成功在很大程度上取决于可用于训练的样本数量与变异性。尽管标注此类数据本身构成一项挑战，数据集中病灶的变异性也取决于不同类型病灶的患病率。这种现象给病灶分割算法带来了一种固有偏差，可通过多种可能方式（其中包括使用激进的数据增强方法）来减弱。本文提出一种在CT切片中植入逼真病灶的方法，以提供丰富且可控的训练样本集，并最终改善用于勾画CT检查中病灶的语义分割网络性能。我们的结果表明，植入合成病灶不仅提升了（在不同架构下最高约12%）分割性能，而且这种提升在不同图像合成网络间是一致的。我们得出结论：在尺寸、密度、形状和位置方面合成地增加病灶的变异性，似乎能改善CT切片中肝脏病灶分割模型的性能。
引用
@article{arxiv.2008.04690,
title = {Implanting Synthetic Lesions for Improving Liver Lesion Segmentation in CT Exams},
author = {Dario Augusto Borges Oliveira},
journal= {arXiv preprint arXiv:2008.04690},
year = {2020}
}