面向多样人群的脑肿瘤分割：基于卷积神经网络的提升
图像与视频处理
2024-05-07 v1 计算机视觉与模式识别
摘要
脑肿瘤分割是评估患者癌症进展的基本步骤。然而，手动分割需要大量专家时间才能准确识别 3D 多模态脑 MRI 扫描中的肿瘤。这种对手动分割的依赖使得过程容易受到内在和外部观察者变异性的影响。本工作提出了一种脑肿瘤分割方法作为 BraTS-GoAT 挑战的一部分。该任务是自动从各种人群中（如成人、儿童和非洲不利地区的人群）对脑 MRI 扫描进行肿瘤分割。我们采用最新用于医学图像分割的 CNN 架构，即 MedNeXt 作为基线，并在推理中实施广泛的模型集成和后处理。我们的实验显示，我们的方法在未见的验证集上表现良好，平均 DSC 为 85.54%，HD95 为 27.88。代码可在 https://github.com/BioMedIA-MBZUAI/BraTS2024_BioMedIAMBZ 上获取。
引用
@article{arxiv.2405.02852,
title = {On Enhancing Brain Tumor Segmentation Across Diverse Populations with Convolutional Neural Networks},
author = {Fadillah Maani and Anees Ur Rehman Hashmi and Numan Saeed and Mohammad Yaqub},
journal= {arXiv preprint arXiv:2405.02852},
year = {2024}
}