基于 3D U-Net 两阶段分割框架的颈部 CT 图像危险器官分割
计算机视觉与模式识别
2019-10-14 v2
摘要
危险器官（OAR）的准确分割在颈部癌症影像引导放射治疗的治疗规划中起着关键作用。由于待分割 OAR 数量相对较多、不同 OAR 的大小和形态差异大，以及部分 OAR 与背景对比度低，该分割任务对人类和自动算法都具有挑战性。本文提出了一种基于 3D U-Net 的两阶段分割框架。在该框架中，每个 OAR 的分割被分解为两个子任务：定位 OAR 的边界框并从其内部小体积中分割，且每个子任务由一个专用的 3D U-Net 完成。这种分解使两个子任务都更容易，从而能更好地完成。我们使用 MICCAI 2015 挑战赛数据集评估了所提方法并将其与最先进的方法比较。就基于边界的指标 95HD 而言，所提方法在全部九个 OAR 中的八个排名第一，另一个排名第二。就基于区域的指标 DSC 而言，所提方法在九个 OAR 中的六个排名第一，其余三个排名第二，且与第一名差异很小。
引用
@article{arxiv.1809.00960,
title = {Organ at Risk Segmentation in Head and Neck CT Images by Using a Two-Stage Segmentation Framework Based on 3D U-Net},
author = {Yueyue Wang and Liang Zhao and Zhijian Song and Manning Wang},
journal= {arXiv preprint arXiv:1809.00960},
year = {2019}
}