基于随机森林与全卷积网络的 MRI 脑肿瘤分割
计算机视觉与模式识别
2020-08-10 v1
摘要
本文提出一种基于学习的多模态 MRI 图像脑肿瘤自动分割新方法,其融合了两组机器学习特征与手工特征。全卷积网络(FCN)构成机器学习特征,基于 texton 的特征被视为手工特征。随机森林(RF)用于将 MRI 图像体素分类为正常脑组织和肿瘤的不同部分,即水肿、坏死和增强肿瘤。该方法在 BRATS 2017 挑战数据集上进行了评估。结果表明所提方法提供了有前景的分割结果。针对金标准的自动脑肿瘤分割平均 Dice 重叠度对于全肿瘤、核心和增强肿瘤分别为 0.86、0.78 和 0.66。
引用
@article{arxiv.1909.06337,
title = {MRI Brain Tumor Segmentation using Random Forests and Fully Convolutional Networks},
author = {Mohammadreza Soltaninejad and Lei Zhang and Tryphon Lambrou and Guang Yang and Nigel Allinson and Xujiong Ye},
journal= {arXiv preprint arXiv:1909.06337},
year = {2020}
}
备注
Published in the pre-conference proceeding of "2017 International MICCAI BraTS Challenge"