CT 图像中肾脏与肾肿瘤的分割
图像与视频处理
2022-12-27 v1 人工智能
计算机视觉与模式识别
摘要
在计算机断层扫描（CT）图像中自动分割肾脏和肾肿瘤十分必要，因为与当前手动分割的金标准相比其耗时更少。然而，许多医院仍依赖医疗从业者对 CT 图像进行手动研究与分割，因其准确度更高。因此，本研究致力于开发一种在增强 CT 图像中自动分割肾脏与肾肿瘤的方法。提出了一种基于卷积神经网络（CNN）的方法，其中构建并训练了 3D U-Net 分割模型，以从 CT 扫描中勾画肾脏和肾肿瘤。每张 CT 图像在输入 CNN 前均经过预处理，并分析了下采样和分块输入图像对模型性能的影响。所提方法在公开可用的 2021 肾脏与肾肿瘤分割挑战赛（KiTS21）数据集上进行了评估。性能最佳模型的方法记录了平均训练 Dice 分数 0.6129，其中肾脏和肾肿瘤的 Dice 分数分别为 0.7923 和 0.4344。在测试时，该模型获得肾脏 Dice 分数 0.8034、肾肿瘤 Dice 分数 0.4713，平均 Dice 分数为 0.6374。
引用
@article{arxiv.2212.13034,
title = {Kidney and Kidney Tumour Segmentation in CT Images},
author = {Qi Ming How and Hoi Leong Lee},
journal= {arXiv preprint arXiv:2212.13034},
year = {2022}
}