基于随机森林候选过滤的神经网络自动肝脏肿瘤分割
计算机视觉与模式识别
2017-06-28 v3
摘要
我们提出了一种完全自动化的方法，该方法采用基于 2D U-net 架构的卷积神经网络和随机森林分类器，以解决 ISBI 2017 肝脏肿瘤分割挑战赛（LiTS）中的自动肝脏病变分割问题。为了约束肿瘤可能存在的感兴趣区域（ROI），首先执行肝脏分割。对于器官分割，我们利用来自肝脏手术规划的 179 个肝脏 CT 数据集训练卷积网络集成，以分割肝脏。在肝脏 ROI 内部，一个使用 127 个挑战赛训练数据集训练过的神经网络识别肿瘤候选区域，随后通过随机森林分类器进行过滤，从而得到最终的肿瘤分割结果。在 70 个挑战赛测试案例上的评估结果显示，平均 Dice 系数为 0.65，使我们的方法排名第二。
引用
@article{arxiv.1706.00842,
title = {Neural Network-Based Automatic Liver Tumor Segmentation With Random Forest-Based Candidate Filtering},
author = {Grzegorz Chlebus and Hans Meine and Jan Hendrik Moltz and Andrea Schenk},
journal= {arXiv preprint arXiv:1706.00842},
year = {2017}
}
备注
Submitted to the ISBI 2017 LiTS Challenge