利用合成生成数据改进 T2 加权 MRI 中前列腺全腺分割
图像与视频处理
2021-07-23 v1 计算机视觉与模式识别
机器学习
摘要
前列腺全腺（WG）分割在前列腺癌（PCa）的检测、分期与治疗规划中起着关键作用。尽管深度学习方法展现出前景，但它们依赖于大量标注数据的可用性。平移与旋转等增强技术为增加数据可用性提供了替代方案。然而，由于生成数据与原始数据间的相关性，变换数据提供的信息量有限。基于生成对抗网络（GAN）在其他领域及医学领域生成合成图像的最新成功，我们提出一种流程，基于公开可用的多中心数据集生成 WG 分割掩码并合成前列腺 T2 加权 MRI。随后，我们将生成的数据用作一种数据增强形式。结果显示，与标准增强技术相比，WG 分割质量得到提升。
引用
@article{arxiv.2103.14955,
title = {Improving prostate whole gland segmentation in t2-weighted MRI with synthetically generated data},
author = {Alvaro Fernandez-Quilez and Steinar Valle Larsen and Morten Goodwin and Thor Ole Gulsurd and Svein Reidar Kjosavik and Ketil Oppedal},
journal= {arXiv preprint arXiv:2103.14955},
year = {2021}
}
备注
5 pages. Accepted as a full paper at the International Symposium on Biomedical Imaging (ISBI) 2021