技术报告：基于 2D U-Net 与统计后处理滤波器的肾脏肿瘤分割
图像与视频处理
2020-02-26 v1 计算机视觉与模式识别
摘要
全球每年约有 400,000 例新发肾癌病例，导致约 175,000 例死亡。对于临床决策而言，了解肿瘤的形态测量学十分重要，这涉及在 3D CT 图像中勾画肿瘤与肾脏这一耗时任务。自动分割可成为临床医生与研究人员研究肿瘤形态测量学与临床结局之间相关性的重要工具。我们提出一种分割方法，将流行的 U-Net 卷积神经网络架构与基于可用训练数据统计约束的后处理相结合。基于 PyTorch 的完整实现及训练权重可在 GitHub 上获取。
引用
@article{arxiv.2002.10727,
title = {Technical report: Kidney tumor segmentation using a 2D U-Net followed by a statistical post-processing filter},
author = {Iwan Paolucci},
journal= {arXiv preprint arXiv:2002.10727},
year = {2020}
}
备注
KiTS 2019 challenge