Pollok

Ramy A. Zeineldin*、Alex Pollok**、Tim Mangliers**、Mohamed E. Karar、Franziska Mathis- Ullrich 和 Oliver Burgert 胸罩的深度自动分割

摘要：术中成像可帮助神经外科医生确定脑肿瘤和其他周围脑结构。介入超声 (iUS) 是一种方便的检查方式，扫描时间快。然而，iUS 数据可能受到噪声和伪影的影响，从而限制了它们在脑外科手术期间的解释。在这项工作中，我们使用两个深度学习网络，即 UNet 和 TransUNet，对 iUS 数据中的脑肿瘤进行自动和准确的分割。实验是在 27 个 iUS 体积的数据集上进行的。结果表明，使用带有 UNet 的转换器有利于提供有效的分割建模，从而对每个 iUS 图像之间的长距离依赖关系进行建模。特别是，增强型 TransUNet 能够以超过 125 FPS 的推理率预测 iUS 数据中的腔体分割。这些有希望的结果表明，深度学习网络可以成功部署以协助手术室中的神经外科医生。