Comparison of different automatic solutions for resection cavity segmentation in postoperative MRI volumes including longitudinal acquisitions

要約

この作業では、術後 MRI で切除腔を自動的にセグメント化する 5 つのディープ ラーニング ソリューションを比較します。
提案された方法は、同じ 3D U-Net アーキテクチャに基づいています。
術後 MRI ボリュームのデータセットを使用します。各ボリュームには、4 つの MRI シーケンスと、対応する切除腔のグラウンド トゥルースが含まれています。
4 つのソリューションは、異なる MRI シーケンスでトレーニングされます。
また、利用可能なすべてのシーケンスで設計された方法も提示されます。
私たちの実験では、T1 強調の造影 MRI シーケンスのみでトレーニングされた方法が、DICE インデックスの中央値 0.81 で最良の結果を達成することが示されています。

要約(オリジナル)

In this work, we compare five deep learning solutions to automatically segment the resection cavity in postoperative MRI. The proposed methods are based on the same 3D U-Net architecture. We use a dataset of postoperative MRI volumes, each including four MRI sequences and the ground truth of the corresponding resection cavity. Four solutions are trained with a different MRI sequence. Besides, a method designed with all the available sequences is also presented. Our experiments show that the method trained only with the T1 weighted contrast-enhanced MRI sequence achieves the best results, with a median DICE index of 0.81.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google