用于胶质瘤脑肿瘤弱监督分割的局部扰动
图像与视频处理
2021-12-01 v1 计算机视觉与模式识别
摘要
深度卷积神经网络已成为基于医学影像的计算机辅助诊断流程中的重要工具。然而，训练准确可靠的 CNN 需要大规模的细粒度标注数据集。为缓解这一问题，可以使用弱监督方法从全局标签中获取局部信息。本工作提出使用局部扰动作为一种弱监督解决方案，从预训练的 3D 分类模型中提取脑肿瘤分割掩码。此外，我们提出了一种新颖的最优扰动方法，该方法利用 3D 超像素，使用 U-net 架构寻找给定分类最相关的区域。与专家标注相比，我们的方法获得了 0.44 的 Dice 相似系数（DSC）。与 Grad-CAM 相比，我们的方法在肿瘤区域的可视化和定位能力方面均优于它，Grad-CAM 的平均 DSC 仅为 0.11。
引用
@article{arxiv.2111.14953,
title = {Localized Perturbations For Weakly-Supervised Segmentation of Glioma Brain Tumours},
author = {Sajith Rajapaksa and Farzad Khalvati},
journal= {arXiv preprint arXiv:2111.14953},
year = {2021}
}