Loading...
机构名称:
¥ 1.0

摘要 — 磁共振成像 (MRI) 常用于脑肿瘤诊断、治疗计划和治疗后监测。最近,已经提出了各种基于深度神经网络的模型来对脑 MRI 中的肿瘤进行像素级分割。然而,MRI 中的结构变化、空间差异和强度不均匀性使分割成为一项具有挑战性的任务。我们提出了一种基于 U-Net 的新型端到端脑肿瘤分割架构,该架构将 Inception 模块和扩张卷积集成到其收缩和扩展路径中。这使我们能够提取局部结构和全局上下文信息。我们使用脑肿瘤分割 (BraTS) 2018 数据集对胶质瘤亚区域(包括肿瘤核心、增强肿瘤和整个肿瘤)进行了分割。在肿瘤核心和整个肿瘤分割方面,我们提出的模型的表现明显优于最先进的基于 U-Net 的模型(p < 0.05)。

用于脑肿瘤分割的扩张初始 U-Net (DIU-Net)

用于脑肿瘤分割的扩张初始 U-Net (DIU-Net)PDF文件第1页

用于脑肿瘤分割的扩张初始 U-Net (DIU-Net)PDF文件第2页

用于脑肿瘤分割的扩张初始 U-Net (DIU-Net)PDF文件第3页

用于脑肿瘤分割的扩张初始 U-Net (DIU-Net)PDF文件第4页

用于脑肿瘤分割的扩张初始 U-Net (DIU-Net)PDF文件第5页

相关文件推荐

2025 年
¥1.0
2023 年
¥3.0
2020 年
¥2.0
2023 年
¥1.0
2022 年
¥1.0
2025 年
¥1.0
2023 年
¥1.0
2024 年
¥1.0
2021 年
¥1.0
2020 年
¥20.0
2022 年
¥3.0
2024 年
¥5.0
2020 年
¥1.0
2021 年
¥2.0