基于对抗图像修复的脑 MRI 无监督区域异常检测
图像与视频处理
2020-10-06 v1 计算机视觉与模式识别
摘要
医学分割用于在术前确定感兴趣区域（ROI）的边界。通过允许在规划阶段研究 ROI 的生长、结构和行为，可获得关键信息，从而增加手术成功的可能性。通常，分割由人工或通过训练于人工标注的机器学习方法执行。相比之下，本文提出一种完全自动、无监督的基于修复的脑肿瘤 T1 加权 MRI 分割系统。首先，训练深度卷积神经网络（DCNN）以重建缺失的健康脑区。然后，在应用时，通过识别重建损失最高的区域来确定异常区域。最后，执行超像素分割以分割这些区域。我们表明所提系统能够分割不同尺寸和抽象的肿瘤，并达到 0.771 的均值 Dice 分数及 0.176 的标准差。
引用
@article{arxiv.2010.01942,
title = {Unsupervised Region-based Anomaly Detection in Brain MRI with Adversarial Image Inpainting},
author = {Bao Nguyen and Adam Feldman and Sarath Bethapudi and Andrew Jennings and Chris G. Willcocks},
journal= {arXiv preprint arXiv:2010.01942},
year = {2020}
}
备注
5 pages, 6 figures