用于头颈肿瘤分割的多尺度融合方法
图像与视频处理
2022-11-01 v1 计算机视觉与模式识别
摘要
头颈（H&N）危险器官（OAR）与肿瘤分割是放疗规划的基本组成部分。H&N 淋巴结大体肿瘤体积（GTVn）与 H&N 原发大体肿瘤体积（GTVp）的解剖位置与尺寸多变，由于缺乏准确可靠的勾画方法而难以获取。错误分割的下游效应可能导致正常器官受到不必要的照射。面向完全自动化的放疗规划算法，我们探索了基于多尺度融合的深度学习架构从医学扫描中准确分割 H&N 肿瘤的有效性。
引用
@article{arxiv.2210.16704,
title = {Multi-Scale Fusion Methodologies for Head and Neck Tumor Segmentation},
author = {Abhishek Srivastava and Debesh Jha and Bulent Aydogan and Mohamed E. Abazeed and Ulas Bagci},
journal= {arXiv preprint arXiv:2210.16704},
year = {2022}
}