基于 3D 全卷积网络朝向 CT 中致密体素级胰腺分割
计算机视觉与模式识别
2018-03-15 v2
摘要
由于患者间形状和尺寸差异巨大，计算机断层扫描成像中的胰腺分割对自动化方法历来困难。本工作中，我们描述了一个定制构建的 3D 全卷积网络（FCN），其可处理包含整个胰腺的 3D 图像并产出自动分割。我们研究了两种 3D FCN 架构变体：一种带拼接、一种带求和跳跃连接至网络的解码器部分。我们在一个胃癌患者的临床试验数据集上评估了方法，包含 147 例门脉期获取的反差增强腹部 CT 扫描。使用求和架构，我们在测试中取得了平均 Dice 分数 89.7 3.8（范围 [79.8, 94.8]）%，在该数据集上达到了胰腺分割的新 SOTA 性能。
引用
@article{arxiv.1711.06439,
title = {Towards dense volumetric pancreas segmentation in CT using 3D fully convolutional networks},
author = {Holger Roth and Masahiro Oda and Natsuki Shimizu and Hirohisa Oda and Yuichiro Hayashi and Takayuki Kitasaka and Michitaka Fujiwara and Kazunari Misawa and Kensaku Mori},
journal= {arXiv preprint arXiv:1711.06439},
year = {2018}
}
备注
Accepted for oral presentation at SPIE Medical Imaging 2018, Houston, TX, USA Updated experiment in Fig. 4