基于对抗训练和条件随机场的多模态 3D 脑肿瘤分割
图像与视频处理
2024-11-22 v1 计算机视觉与模式识别
摘要
准确的脑肿瘤分割由于结构复杂性和脑肿瘤个体差异大，仍是一个具有挑战性的任务。利用 CRF 卓越细节恢复能力和 V-net 空间特征提取能力，我们提出了一种用于精确分割的多模态 3D 体积生成对抗网络（3D-vGAN）。该模型利用伪 3D 改进 V-net，在生成器后添加条件随机场，并使用原始图像作为补充指导。结果表明，使用 BraTS-2018 数据集时，3D-vGAN 优于包括 U-net、GAN、FCN 和 3D V-net 在内的经典分割模型，特异性超过 99.8%。
引用
@article{arxiv.2411.14418,
title = {Multimodal 3D Brain Tumor Segmentation with Adversarial Training and Conditional Random Field},
author = {Lan Jiang and Yuchao Zheng and Miao Yu and Haiqing Zhang and Fatemah Aladwani and Alessandro Perelli},
journal= {arXiv preprint arXiv:2411.14418},
year = {2024}
}
备注
13 pages, 7 figures, Annual Conference on Medical Image Understanding and Analysis (MIUA) 2024