PET图像中肿瘤精确分割的机器学习方法
计算机视觉与模式识别
2016-11-01 v1 神经与进化计算
摘要
在肿瘤学中，正电子发射断层扫描（PET）成像广泛用于癌症转移的诊断、癌症治疗进展的监测以及放射治疗干预的规划。准确且可重复地分割PET扫描中的肿瘤仍然是一项困难的任务，尽管这对于递送适当的辐射剂量、最大限度地减少治疗的不良副作用以及可靠地评估治疗效果至关重要。本研究尝试利用三维空间距离加权模糊C均值、深度卷积神经网络和字典模型来解决肿瘤自动分割问题。这些方法以不同方式结合了强度和空间信息。
引用
@article{arxiv.1610.09493,
title = {Machine learning methods for accurate delineation of tumors in PET images},
author = {Jakub Czakon and Filip Drapejkowski and Grzegorz Zurek and Piotr Giedziun and Jacek Zebrowski and Witold Dyrka},
journal= {arXiv preprint arXiv:1610.09493},
year = {2016}
}
备注
19th International Conference on Medical Image Computing and Computer Assisted Intervention (MICCAI 2016) - PETSEG challenge, Athens, Greece, 21/10/2016