用于脑肿瘤分割的nnU-Net
图像与视频处理
2020-11-03 v1 计算机视觉与模式识别
摘要
我们将nnU-Net应用于BraTS 2020挑战赛的分割任务。未经修改的nnU-Net基线配置已取得了可观的结果。通过引入关于后处理、基于区域的训练、更激进的数据增强以及针对nnU-Net流程的数项细微修改等BraTS特定改动，我们得以大幅提高其分割性能。我们进一步重新实现了BraTS排名方案，以确定我们的哪些nnU-Net变体最符合其所施加的要求。我们最终的集成模型在BraTS 2020竞赛中获得第一名，全肿瘤、肿瘤核心和增强肿瘤的Dice分数分别为88.95、85.06和82.03，HD95值分别为8.498、17.337和17.805。
引用
@article{arxiv.2011.00848,
title = {nnU-Net for Brain Tumor Segmentation},
author = {Fabian Isensee and Paul F. Jaeger and Peter M. Full and Philipp Vollmuth and Klaus H. Maier-Hein},
journal= {arXiv preprint arXiv:2011.00848},
year = {2020}
}