MixMicrobleedNet：使用nnU-Net进行脑微出血分割
图像与视频处理
2021-08-04 v1 计算机视觉与模式识别
摘要
脑微出血是在磁共振成像（MRI）梯度回波、T2*或磁敏感加权成像（SWI）上可见的小的低信号病变。脑微出血的评估主要通过视觉检查进行。过去十年中，半自动工具辅助评级以及最近的全自动工具用于微出血检测逐渐兴起。在这项工作中，我们探索使用nnU-Net作为全自动工具进行微出血分割。数据由MICCAI 2021的“Where is VALDO?”挑战赛提供。最终方法采用“3D全分辨率U-Net”配置的nnU-Net，在所有数据上训练（fold = 'all'）。未使用nnU-Net的后处理选项。对训练数据的自我评估显示估计的Dice为0.80，错误发现率为0.16，假阴性率为0.15。对VALDO挑战赛测试集的最终评估尚待进行。对结果的视觉检查表明，大多数报告的假阳性可能是实际微出血，在视觉评级时可能被遗漏。源代码可在https://github.com/hjkuijf/MixMicrobleedNet获取。Docker容器hjkuijf/mixmicrobleednet可从https://hub.docker.com/r/hjkuijf/mixmicrobleednet拉取。
引用
@article{arxiv.2108.01389,
title = {MixMicrobleedNet: segmentation of cerebral microbleeds using nnU-Net},
author = {Hugo J. Kuijf},
journal= {arXiv preprint arXiv:2108.01389},
year = {2021}
}
备注
Submitted to the "Where is VALDO?'' challeng, MICCAI 2021