基于多阈值注意力U-Net（MTAU）的MRI多模态脑肿瘤分割模型
计算机视觉与模式识别
2021-02-01 v1 人工智能
图像与视频处理
医学物理
摘要
神经胶质瘤是最常见的脑肿瘤之一，分为高级别与低级别神经胶质瘤。肿瘤核心、增强肿瘤等各区域的分割在确定严重程度与预后中起着重要作用。在此，我们基于注意力U-Net开发了一种多阈值模型，用于识别磁共振成像（MRI）中肿瘤的不同区域。我们提出了多路径分割，并为不同感兴趣区域构建了三个独立模型。所提模型在训练数据集上针对增强肿瘤、全肿瘤和肿瘤核心分别取得了0.59、0.72和0.61的平均Dice系数。同一模型在验证数据集上给出0.57、0.73和0.61的平均Dice系数，在测试数据集上给出0.59、0.72和0.57的平均Dice系数。
引用
@article{arxiv.2101.12404,
title = {Multi-Threshold Attention U-Net (MTAU) based Model for Multimodal Brain Tumor Segmentation in MRI scans},
author = {Navchetan Awasthi and Rohit Pardasani and Swati Gupta},
journal= {arXiv preprint arXiv:2101.12404},
year = {2021}
}