基于残差全卷积网络的前列腺超声图像分割
计算机视觉与模式识别
2019-03-22 v1
摘要
基于医学影像的前列腺癌诊断流程使用术中经直肠超声（TRUS）成像来观察前列腺的形状与位置，以采集组织样本。从前列腺中正确取样需要在TRUS图像中对前列腺进行准确分割。为此，本研究使用了一种基于新颖残差连接的全卷积网络。该分割技术的优势在于无需对TRUS图像进行预处理即可完成分割，从而提供了一种更快且直接的前列腺TRUS图像分割方法。结果表明，所提出的技术仅使用少量TRUS数据集即可达到约86%的Dice相似度精度。
引用
@article{arxiv.1903.08814,
title = {Prostate Segmentation from Ultrasound Images using Residual Fully Convolutional Network},
author = {M. S. Hossain and A. P. Paplinski and J. M. Betts},
journal= {arXiv preprint arXiv:1903.08814},
year = {2019}
}
备注
6 pages, 4 figures