propnet: 将二维标注传播至三维分割用于CT扫描中的胃肿瘤
图像与视频处理
2023-05-30 v1 计算机视觉与模式识别
机器学习
摘要
**背景:** 胃肿瘤的精准三维CT扫描分割对诊断和治疗至关重要。挑战在于肿瘤形状不规则、边界模糊以及现有方法的低效。**目的:** 我们开展一项研究以引入一种利用人工引导知识和独特模块的模型,解决三维肿瘤分割的挑战。**方法:** 我们开发了PropNet框架,将放射科医生的知识从二维标注传播至整个三维空间。该模型包含用于粗分割的提议阶段和用于精分割的细化阶段,采用双向分支提升性能,并以上下策略提高效率。**结果:** 使用98例患者扫描训练、30例验证,我们的方法与人工标注达成显著一致(Dice为0.803)并提高效率。在不同场景及不同放射科医生标注下性能相当(Dice介于0.785与0.803之间)。此外,在42例晚期胃癌患者的独立验证集上,模型展现出改进的后预测性能(C-index为0.620对0.576)。**结论:** 我们的模型高效且稳定地生成精准肿瘤分割,改善预后性能并减少高通量图像读片工作量。该模型可加速胃肿瘤定量分析并提升下游任务性能。
引用
@article{arxiv.2305.17871,
title = {propnet: Propagating 2D Annotation to 3D Segmentation for Gastric Tumors on CT Scans},
author = {Zifan Chen and Jiazheng Li and Jie Zhao and Yiting Liu and Hongfeng Li and Bin Dong and Lei Tang and Li Zhang},
journal= {arXiv preprint arXiv:2305.17871},
year = {2023}
}