基于卷积神经网络的 MR 图像肝脏分割与转移灶检测
图像与视频处理
2019-10-16 v1 计算机视觉与模式识别
定量方法
摘要
原发肿瘤在肝脏发生转移的可能性很高，早期检测这些转移灶对患者预后至关重要。我们提出一种基于卷积神经网络（CNN）检测肝转移灶的方法。首先，利用腹部动态增强（DCE）MR 图像的六个期相自动分割肝脏。随后，使用 DCE-MR 与扩散加权（DW）MR 图像在肝脏掩膜内进行转移灶检测。与手动标注相比，肝脏分割的中位 Dice 相似系数为 0.95。该转移灶检测方法的灵敏度为 99.8%，每幅图像中位假阳性数为 2。双通路网络中两种 MR 序列的结合被证明对肝转移灶检测具有价值。总之，可获得高质量的肝脏分割，并在其中成功检测肝转移灶。
引用
@article{arxiv.1910.06635,
title = {Liver segmentation and metastases detection in MR images using convolutional neural networks},
author = {Mariëlle J. A. Jansen and Hugo J. Kuijf and Maarten Niekel and Wouter B. Veldhuis and Frank J. Wessels and Max A. Viergever and Josien P. W. Pluim},
journal= {arXiv preprint arXiv:1910.06635},
year = {2019}
}