基于卷积网络与非均匀块生成的脑放射外科肿瘤勾画
计算机视觉与模式识别
2018-08-02 v1
摘要
深度学习方法正被积极用于脑病灶分割。最流行的模型之一是DeepMedic，它是为相对较大的病灶（如胶质瘤和缺血性脑卒中）分割而开发的。在我们的工作中，我们考虑适用于立体定向放射外科的脑肿瘤分割，其典型病灶尺寸受限。这些目标体积上的差异导致DeepMedic出现大量假阴性（尤其是小病灶）以及假阳性增加。我们提出一种新的块采样过程以提高网络对小病灶的性能。我们使用了一个来自立体定向放射外科中心的6年数据集。为评估我们的方法，我们使用三种最常见的脑肿瘤进行了实验：转移瘤、脑膜瘤、神经鞘瘤。除交叉验证外，我们在一个比训练集晚几年收集的留出测试集上估计了质量。实验结果显示在两种情况下均有稳健的提升。
引用
@article{arxiv.1808.00244,
title = {Tumor Delineation For Brain Radiosurgery by a ConvNet and Non-Uniform Patch Generation},
author = {Egor Krivov and Valery Kostjuchenko and Alexandra Dalechina and Boris Shirokikh and Gleb karchuk and Alexander Denisenko and Andrey Golanov and Mikhail Belyaev},
journal= {arXiv preprint arXiv:1808.00244},
year = {2018}
}