CT扫描上的一次点击病灶RECIST测量与分割
图像与视频处理
2020-07-23 v1 计算机视觉与模式识别
摘要
在临床试验中，放射科医生的常规工作之一是根据RECIST标准（实体瘤疗效评价标准）在医学图像上测量肿瘤大小。然而，手动测量繁琐且存在观察者间差异。我们提出了一种名为SEENet的统一框架，用于全身各类病灶的半自动病灶分割（SEgmentation）与RECIST估计（Estimation）。用户只需在病灶附近点击一次提供简单引导。SEENet由两部分组成。第一部分利用一次点击引导提取感兴趣病灶，粗略分割病灶并估计其RECIST测量值。基于第一个网络的结果，第二个网络细化病灶分割与RECIST估计。SEENet在大规模公开DeepLesion数据集上实现了病灶分割与RECIST估计的SOTA性能。它为放射科医生提供了一种实用工具，能以最小人力成本和大幅减少的时间生成可靠的病灶测量（即分割掩码和RECIST）。
引用
@article{arxiv.2007.11087,
title = {One Click Lesion RECIST Measurement and Segmentation on CT Scans},
author = {Youbao Tang and Ke Yan and Jing Xiao and Ranold M. Summers},
journal= {arXiv preprint arXiv:2007.11087},
year = {2020}
}