用于脑肿瘤分割的模态配对学习
图像与视频处理
2021-01-01 v2 计算机视觉与模式识别
摘要
利用深度学习方法从多模态磁共振图像（MRI）中自动分割脑肿瘤，在辅助脑肿瘤诊断与治疗中起着重要作用。然而，以往方法大多忽略不同模态间的潜在关系。本工作中，我们提出一种新颖的端到端模态配对学习方法用于脑肿瘤分割。设计并行分支以挖掘不同模态特征，并利用一系列层连接来捕获模态间复杂关系与丰富信息。我们还使用一致性损失来最小化两分支间的预测差异。此外，采用学习率预热策略以解决训练不稳定与早期过拟合问题。最后，我们使用多模型平均集成与一些后处理技术得到最终结果。我们的方法在BraTS 2020在线测试数据集上测试，获得了有前景的分割性能，对全肿瘤、肿瘤核心与增强肿瘤的平均dice分数分别为0.891、0.842、0.816。我们在BraTS 2020挑战赛的肿瘤分割任务中获得第二名。
引用
@article{arxiv.2010.09277,
title = {Modality-Pairing Learning for Brain Tumor Segmentation},
author = {Yixin Wang and Yao Zhang and Feng Hou and Yang Liu and Jiang Tian and Cheng Zhong and Yang Zhang and Zhiqiang He},
journal= {arXiv preprint arXiv:2010.09277},
year = {2021}
}
备注
Second place of BraTS 2020 Challenge