用于改进肝脏病灶分割的掩码挖掘
图像与视频处理
2020-03-13 v4 计算机视觉与模式识别
摘要
我们提出一种新流程，以改进基于 U-Net 的模型从 CT 扫描中分割肝脏与病灶的效果。我们的方法扩展标准分割流程，聚焦于更高的目标召回率或降低带噪假阳性预测，从而提升整体分割性能。为此，我们将分割错误纳入附加于主训练设置的新学习过程中，使模型能发现解释并消除先前错误的特征。我们在语义上不同的架构上评估此方法：级联二维与三维以及用于多任务分割的联合学习设置。肝脏与病灶分割数据由肝脏肿瘤分割挑战赛（LiTS）提供，骰子分数提升最高达 2 分。
引用
@article{arxiv.1908.05062,
title = {Mask Mining for Improved Liver Lesion Segmentation},
author = {Karsten Roth and Jürgen Hesser and Tomasz Konopczyński},
journal= {arXiv preprint arXiv:1908.05062},
year = {2020}
}