面向胶质瘤分割的自校准卷积
图像与视频处理
2024-02-09 v1 计算机视觉与模式识别
机器学习
摘要
在疾病早期阶段进行准确的脑肿瘤分割对于治疗效果至关重要，这避免了合格专家对多种协议（如 T1、T2、T2-FLAIR、T1-Gd）的 3D MR 脑图像进行详尽的视觉检查。已有多种网络用于胶质瘤分割，其中 nnU-Net 是最佳之一。在这项工作中，我们评估了 nnU-Net 网络不同部分中的自校准卷积，以证明跳跃连接中的自校准模块可以显著提高增强肿瘤和肿瘤核心的分割精度，同时保持全肿瘤的分割精度。
引用
@article{arxiv.2402.05218,
title = {Self-calibrated convolution towards glioma segmentation},
author = {Felipe C. R. Salvagnini and Gerson O. Barbosa and Alexandre X. Falcao and Cid A. N. Santos},
journal= {arXiv preprint arXiv:2402.05218},
year = {2024}
}