PriorNet：融合先验肿瘤表观信息的 PET-CT 病灶分割网络
图像与视频处理
2022-10-06 v1 人工智能
摘要
由于所获取信息的双重特性——CT 中代谢信息低、PET 中空间分辨率低，PET-CT 图像中的肿瘤分割具有挑战性。U-Net 架构是医学领域开发全自动图像分割方法时最常用且被广泛认可的方法。我们提出了一种两步法，旨在细化并改进 PET-CT 中肿瘤性病变的分割性能。第一步从 PET-CT 体数据生成先验肿瘤表观图，作为先验肿瘤信息。第二步由一个标准 U-Net 组成，接收先验肿瘤表观图与 PET-CT 图像以生成病灶掩码。我们在 AutoPET 2022 挑战赛可用的 1014 例数据上评估了该方法，结果显示在阳性病例上平均 Dice 系数为 0.701。
引用
@article{arxiv.2210.02203,
title = {PriorNet: lesion segmentation in PET-CT including prior tumor appearance information},
author = {Simone Bendazzoli and Mehdi Astaraki},
journal= {arXiv preprint arXiv:2210.02203},
year = {2022}
}