使用深度卷积神经网络进行脑部神经胶质瘤分割
计算机视觉与模式识别
2018-04-16 v1
摘要
在患者的生存取决于准确及时的临床诊断的情况下，使用基于分割的方法进行脑肿瘤检测至关重要。神经胶质瘤是最常见的肿瘤，具有不规则的形状和模糊的边界，使其成为最难检测的肿瘤之一。由于其结构的显著差异，脑肿瘤分割的自动化仍然是一个具有挑战性的问题。本文提出了一种使用深度卷积神经网络（DCNN）的自动脑肿瘤分割算法。通过从输入图像中提取两个不同大小的同心图像块，采用基于图像块的方法和Inception模块来训练深度网络。利用深度神经网络的最新进展，如drop-out、batch normalization、非线性激活和Inception模块，构建了一种新的ILinear nexus架构。该模块使用drop-out正则化器克服了由于数据稀缺而引起的过拟合问题。在预处理步骤中对图像进行归一化和偏差场校正，然后将提取的图像块通过DCNN，DCNN为每个图像块的中心像素分配输出标签。使用形态学算子进行后处理，以去除边缘周围小的假阳性。引入并评估了一种两阶段加权训练方法，使用BRATS 2013和BRATS 2015数据集，在相似设置下它改进了SOTA技术的性能参数。
引用
@article{arxiv.1708.00377,
title = {Segmentation of Glioma Tumors in Brain Using Deep Convolutional Neural Network},
author = {Saddam Hussain and Syed Muhammad Anwar and Muhammad Majid},
journal= {arXiv preprint arXiv:1708.00377},
year = {2018}
}
备注
Submitted to Neurocomputing