基于全卷积神经网络特征与随机森林的多模态MRI脑肿瘤分割
计算机视觉与模式识别
2017-04-27 v1 机器学习
摘要
本文提出一种基于学习的多模态MRI图像脑肿瘤自动分割新方法。使用全卷积神经网络（FCN）的机器学习特征和手工设计的texton特征来分类MRI图像体素。具有像素级预测的得分图用作特征图，其使用FCN从多模态MRI训练数据集学习。然后将学习到的特征应用于随机森林，将每个MRI图像体素分类为正常脑组织和肿瘤不同部分。该方法在BRATS 2013挑战数据集上评估。结果显示，将基于FCN的机器学习特征和基于texton的手工设计特征应用于随机森林分类多模态MRI图像提供了有前景的分割。自动脑肿瘤分割相对于真值的Dice重叠度量对于完整肿瘤、核心和增强肿瘤分别为0.88、0.80和0.73。
引用
@article{arxiv.1704.08134,
title = {Multimodal MRI brain tumor segmentation using random forests with features learned from fully convolutional neural network},
author = {Mohammadreza Soltaninejad and Lei Zhang and Tryphon Lambrou and Nigel Allinson and Xujiong Ye},
journal= {arXiv preprint arXiv:1704.08134},
year = {2017}
}