通过多任务学习改进儿童低级别胶质瘤的分割
图像与视频处理
2021-12-01 v1 计算机视觉与模式识别
摘要
脑肿瘤分割是肿瘤体积分析和AI算法的关键任务。然而，这是一个耗时的过程，需要神经放射学专业知识。虽然已有大量研究致力于优化成人脑肿瘤分割，但关于AI引导的儿童肿瘤分割的研究却很少。此外，儿童和成人脑肿瘤的MRI信号特征存在差异，因此需要开发专门针对儿童脑肿瘤的分割算法。我们利用病童医院（加拿大安大略省多伦多市）的儿童低级别胶质瘤患者的磁共振成像数据开发了一个分割模型。该模型采用深度多任务学习，通过将肿瘤基因改变分类器作为主网络的辅助任务，最终提高了分割结果的准确性。
引用
@article{arxiv.2111.14959,
title = {Improving the Segmentation of Pediatric Low-Grade Gliomas through Multitask Learning},
author = {Partoo Vafaeikia and Matthias W. Wagner and Uri Tabori and Birgit B. Ertl-Wagner and Farzad Khalvati},
journal= {arXiv preprint arXiv:2111.14959},
year = {2021}
}