用于脑肿瘤分割的多步级联网络
图像与视频处理
2019-09-26 v3 计算机视觉与模式识别
摘要
自动脑肿瘤分割方法在脑肿瘤诊疗全过程中起着极其重要的作用。本文提出一种多步级联网络，该网络考虑脑肿瘤子结构的层次拓扑关系，并自粗到细地分割各子结构。在分割过程中，前一步的结果被用作下一步的先验信息以引导更精细的分割过程。整个网络以端到端方式训练。此外，为缓解梯度消失问题并减少过拟合，我们为每一步添加了若干辅助输出作为深度监督，并分别引入了若干数据增强策略，证明对脑肿瘤分割十分有效。最后，利用 focal loss 解决肿瘤区域与背景显著不平衡的问题。我们的模型在 BraTS 2019 验证集上测试，全肿瘤、肿瘤核心和增强肿瘤的 dice 系数均值初步结果分别为 0.886、0.813、0.771。代码见 https://github.com/JohnleeHIT/Brats2019
引用
@article{arxiv.1908.05887,
title = {Multi-step Cascaded Networks for Brain Tumor Segmentation},
author = {Xiangyu Li and Gongning Luo and Kuanquan Wang},
journal= {arXiv preprint arXiv:1908.05887},
year = {2019}
}
备注
Paper for BraTS 2019 runs in conjunction with the MICCAI 2019 conference