TuNet：基于级联网络的端到端分层脑肿瘤分割
图像与视频处理
2020-05-20 v3 计算机视觉与模式识别
机器学习
机器学习
摘要
胶质瘤是最常见的脑肿瘤类型之一；它发生于人脑与脊髓中的神经胶质细胞。除高死亡率外，胶质瘤的治疗也极为昂贵。因此，早期阶段自动且准确的分割与测量对于延长患者存活率与降低治疗成本至关重要。本工作中，我们提出一种新颖的端到端级联语义分割网络，其利用肿瘤子区域的分层结构，并在每个卷积与拼接模块后使用类 ResNet 模块与 Squeeze-and-Excitation 模块。通过交叉验证、平均集成技术与简单后处理技术，我们在在线测试集上针对全肿瘤、肿瘤核心与增强肿瘤分别获得 88.06、80.84、80.29 的 Dice 分数，以及 6.10、5.17、2.21 的 Hausdorff 距离（第 95 百分位）。
引用
@article{arxiv.1910.05338,
title = {TuNet: End-to-end Hierarchical Brain Tumor Segmentation using Cascaded Networks},
author = {Minh H. Vu and Tufve Nyholm and Tommy Löfstedt},
journal= {arXiv preprint arXiv:1910.05338},
year = {2020}
}
备注
Accepted at MICCAI BrainLes 2019