整体嵌套网络的空间聚合用于胰腺自动分割
计算机视觉与模式识别
2016-06-28 v1
摘要
精确的自动器官分割是医学图像分析中一个重要但具有挑战性的问题。胰腺是一个解剖变异性极高的腹部器官，这阻碍了传统分割方法达到高精度，尤其是与肝脏、心脏或肾脏等其他器官相比。本文提出一种整体学习方法，通过使用随机森林进行鲁棒的空间聚合，整合深度学习得到的器官内部和边界图的语义中层线索。我们的方法为胰腺分割生成边界保持的像素级类别标签。在 82 名患者的 CT 扫描数据上进行 4 折交叉验证的定量评估，我们在测试中取得了（均值 标准差）78.01% 8.2% 的 Dice 相似系数，显著优于先前最优方法的 71.8% 10.7%（在相同评估标准下）。
引用
@article{arxiv.1606.07830,
title = {Spatial Aggregation of Holistically-Nested Networks for Automated Pancreas Segmentation},
author = {Holger R. Roth and Le Lu and Amal Farag and Andrew Sohn and Ronald M. Summers},
journal= {arXiv preprint arXiv:1606.07830},
year = {2016}
}
备注
This article will be presented at MICCAI (Medical Image Computing and Computer-Assisted Interventions), Athens, Greece, 2016