基于卷积神经网络的创伤性脑损伤挫伤 MRI 分割
计算机视觉与模式识别
2018-07-31 v1
摘要
创伤性脑损伤（TBI）由头部突发创伤引起，可能导致血肿和挫伤，并可引发中风或慢性残疾。准确量化病灶体积及其位置对于理解 TBI 的病理生理及其进展至关重要。本文中，我们提出一种全卷积神经网络（CNN）模型，用于从 TBI 患者脑部磁共振（MR）图像中分割挫伤和病灶。此处提出的 CNN 架构基于 Google 的先进 CNN 架构 Inception。利用一个 3 层 Inception 网络，从多对比度 MR 图像中分割病灶。与两种近期 TBI 病灶分割方法（一种基于 CNN 的 DeepMedic，另一种基于随机森林）相比，所提算法在 18 例中重度 TBI 患者图像上表现出更高的分割精度。使用留一法交叉验证，所提模型取得了 0.75 的中位数 Dice 系数，显著优于两种对比方法（p<0.01）。
引用
@article{arxiv.1807.10839,
title = {TBI Contusion Segmentation from MRI using Convolutional Neural Networks},
author = {Snehashis Roy and John A. Butman and Leighton Chan and Dzung L. Pham},
journal= {arXiv preprint arXiv:1807.10839},
year = {2018}
}
备注
https://ieeexplore.ieee.org/abstract/document/8363545/, IEEE 15th International Symposium on Biomedical Imaging (ISBI 2018)