TriadNet：用于3D脑MR图像中病灶体积的无采样预测区间方法
图像与视频处理
2023-07-31 v1 计算机视觉与模式识别
机器学习
摘要
脑病灶（如梗死或肿瘤）的体积是患者预后的有力指标，并可用于指导治疗策略。病灶体积估计通常通过深度卷积神经网络（CNN）分割完成，这是当前最先进的方法。然而，迄今为止，鲜有工作为体积分割工具配备充分的定量预测区间，这阻碍了其在临床实践中的效用与接受度。本工作中，我们提出 TriadNet，一种依赖于多头 CNN 架构的分割方法，可在不到一秒内同时给出病灶体积及相关的预测区间。我们在大规模 MRI 胶质母细胞瘤图像数据库 BraTS 2021 上证明了其相对于其他方案的优越性。
引用
@article{arxiv.2307.15638,
title = {TriadNet: Sampling-free predictive intervals for lesional volume in 3D brain MR images},
author = {Benjamin Lambert and Florence Forbes and Senan Doyle and Michel Dojat},
journal= {arXiv preprint arXiv:2307.15638},
year = {2023}
}
备注
Accepted for presentation at the Workshop on Uncertainty for Safe Utilization of Machine Learning in Medical Imaging (UNSURE) at MICCAI 2023