nnDetection：一种用于医学目标检测的自配置方法
图像与视频处理
2022-01-12 v2 计算机视觉与模式识别
摘要
医学图像中目标的同步定位与分类，亦称医学目标检测，具有高度的临床相关性，因为诊断决策常依赖于对目标的评级而非例如像素。对于该任务，繁琐且迭代的方法配置过程构成了主要的研究瓶颈。近来，nnU-Net 已以巨大成功应对了图像分割任务中的这一挑战。遵循 nnU-Net 的宗旨，我们在本工作中将医学目标检测的配置过程系统化并自动化。所得的自配置方法 nnDetection 无需任何人工干预即可自适应于任意医学检测问题，同时取得与最先进水平相当或更优的结果。我们在 ADAM 和 LUNA16 两个公开基准上展示了 nnDetection 的有效性，并基于公开数据集提出进一步的11项医学目标检测任务以进行全面方法评估。代码见 https://github.com/MIC-DKFZ/nnDetection 。
引用
@article{arxiv.2106.00817,
title = {nnDetection: A Self-configuring Method for Medical Object Detection},
author = {Michael Baumgartner and Paul F. Jaeger and Fabian Isensee and Klaus H. Maier-Hein},
journal= {arXiv preprint arXiv:2106.00817},
year = {2022}
}
备注
MICCAI 2021 (splitted LN data set for camera-ready version); *Michael Baumgartner and Paul F. J\"ager contributed equally