迈向临床诊断：使用卷积神经网络的多模态 MR 图像脑卒中病灶自动分割
计算机视觉与模式识别
2018-03-16 v1 机器学习
摘要
缺血性脑卒中患者能从尽早的明确诊断中获益最多。虽然全球优质医疗资源相当稀缺，但期望有一种自动化诊断工具来分析磁共振 (MR) 图像，以为临床诊断提供参考。在本文中，我们提出了一种深度学习方法，用于从多模态 MR 图像中自动分割缺血性脑卒中病灶。通过使用空洞卷积和全局卷积网络，我们提出的残差结构全卷积网络 能够从大感受野中捕获特征。该网络架构在一个包含 212 张临床采集的多模态 MR 图像的大型数据集上进行了验证，结果显示其平均 Dice 系数为 0.645，平均假阴性病灶数为 1.515。其假阴性可以达到接近普通医学影像医生的水平，使其在实际临床应用中具有突出价值。
引用
@article{arxiv.1803.05848,
title = {Towards Clinical Diagnosis: Automated Stroke Lesion Segmentation on Multimodal MR Image Using Convolutional Neural Network},
author = {Zhiyang Liu and Chen Cao and Shuxue Ding and Tong Han and Hong Wu and Sheng Liu},
journal= {arXiv preprint arXiv:1803.05848},
year = {2018}
}
备注
submitted to Neuroimage: Clinical