基于深度监督 3D 分割模型的多模态腹部多器官分割
图像与视频处理
2022-08-26 v1 计算机视觉与模式识别
摘要
为推动医学图像分割技术的发展，提供了 AMOS 这一用于通用医学图像分割的大规模腹部多器官数据集，并基于该数据集举办了 AMOS 2022 挑战赛。在本报告中，我们给出了针对 AMOS 2022 挑战赛的解决方案。我们采用带深度监督的残差 U-Net 作为基础模型。实验结果表明，对于仅 CT 任务以及 CT/MRI 任务，Dice 相似系数与归一化表面 Dice 的均值分数分别为 0.8504 和 0.8476。
引用
@article{arxiv.2208.12041,
title = {Multi-Modality Abdominal Multi-Organ Segmentation with Deep Supervised 3D Segmentation Model},
author = {Satoshi Kondo and Satoshi Kasai},
journal= {arXiv preprint arXiv:2208.12041},
year = {2022}
}