基于单图像的早期食管癌病灶深度学习分割
图像与视频处理
2023-06-12 v1 计算机视觉与模式识别
摘要
病灶的准确分割对早期食管癌(EEC)的诊断与治疗至关重要。然而，迄今为止传统方法与基于深度学习的方法均无法满足临床需求，作为医学图像分析最重要指标的均值Dice分数很难超过0.75。本文提出一种用于EEC病灶分割的新型深度学习方法。我们的方法以其独特性脱颖而出，它仅依赖来自一名患者的单幅图像，构成所谓的“You-Only-Have-One”(YOHO)框架。一方面，这种“一图一网络”的学习确保了完全的患者隐私，因为它不使用来自其他患者的任何图像作为训练数据。另一方面，它几乎避免了所有与泛化相关的问题，因为每个训练好的网络仅应用于输入图像本身。特别地，我们可以尽可能地将训练推向“过拟合”以提高分割精度。我们的技术细节包括与临床医师的交互以利用其专业知识、基于几何的单病灶图像渲染以生成训练集(最大的新颖点)，以及边缘增强UNet。我们在自建的EEC数据集上评估了YOHO，取得了0.888的均值Dice分数，这代表着向临床应用迈出了显著一步。
引用
@article{arxiv.2306.05912,
title = {Single-Image-Based Deep Learning for Segmentation of Early Esophageal Cancer Lesions},
author = {Haipeng Li and Dingrui Liu and Yu Zeng and Shuaicheng Liu and Tao Gan and Nini Rao and Jinlin Yang and Bing Zeng},
journal= {arXiv preprint arXiv:2306.05912},
year = {2023}
}