RatLesNetv2：一种用于啮齿动物脑损伤分割的全卷积网络
计算机视觉与模式识别
2021-01-01 v4 图像与视频处理
摘要
我们提出了一种名为 RatLesNetv2 的全卷积神经网络（ConvNet），用于分割啮齿动物磁共振（MR）脑图像中的损伤。RatLesNetv2 的架构类似于自编码器，并引入了有助于其优化的残差块。RatLesNetv2 在三维图像上端到端训练，且不需要预处理。我们在一个由 916 张 T2 加权大鼠脑 MRI 扫描组成、规模异常庞大的数据集上评估了 RatLesNetv2，这些扫描来自 671 只大鼠、涵盖九个不同的损伤阶段，曾用于研究局灶性脑缺血以进行药物开发。此外，我们将其性能与另外三种专为医学图像分割设计的 ConvNet 进行了比较。RatLesNetv2 获得了与其他 ConvNet 相似或更高的 Dice 系数值，并且产生了更真实、更紧凑的分割结果，具有明显更少的孔洞和更低的 Hausdorff 距离。RatLesNetv2 分割的 Dice 分数也超过了人工分割的评分者间一致性。总之，RatLesNetv2 可用于自动化损伤分割，减少人力工作量并提高可重复性。RatLesNetv2 已在 https://github.com/jmlipman/RatLesNetv2 公开提供。
引用
@article{arxiv.2001.09138,
title = {RatLesNetv2: A Fully Convolutional Network for Rodent Brain Lesion Segmentation},
author = {Juan Miguel Valverde and Artem Shatillo and Riccardo de Feo and Olli Gröhn and Alejandra Sierra and Jussi Tohka},
journal= {arXiv preprint arXiv:2001.09138},
year = {2021}
}
备注
Added new changes