Using U-Net Network for Efficient Brain Tumor Segmentation in MRI Images

要約

磁気共鳴画像（MRI）は、医用画像取得のための最も一般的な非侵入型の技術である。脳腫瘍のセグメンテーションは、脳MRIスキャン中の腫瘍をアルゴリズムで識別するプロセスである。脳腫瘍のセグメンテーションのために多くのアプローチが文献で提案されているが、本論文では、U-Netの軽量な実装を提案する。MRIスキャンのリアルタイムセグメンテーションを提供する以外に、提案するアーキテクチャは、提案する軽量U-Netを訓練するために大量のデータを必要としない。さらに、追加のデータ補強ステップも必要ない。軽量U-NetはBITEデータセットにおいて非常に有望な結果を示し、標準的なベンチマークアルゴリズムを上回りながら、89%の平均交差過剰結合(IoU)を達成する。さらに、本研究では、簡略化された脳腫瘍のセグメンテーションのために、元の3次元ボリューム画像の代わりに、3つの透視平面を効果的に使用することを実証している。

要約(オリジナル)

Magnetic Resonance Imaging (MRI) is the most commonly used non-intrusive technique for medical image acquisition. Brain tumor segmentation is the process of algorithmically identifying tumors in brain MRI scans. While many approaches have been proposed in the literature for brain tumor segmentation, this paper proposes a lightweight implementation of U-Net. Apart from providing real-time segmentation of MRI scans, the proposed architecture does not need large amount of data to train the proposed lightweight U-Net. Moreover, no additional data augmentation step is required. The lightweight U-Net shows very promising results on BITE dataset and it achieves a mean intersection-over-union (IoU) of 89% while outperforming the standard benchmark algorithms. Additionally, this work demonstrates an effective use of the three perspective planes, instead of the original three-dimensional volumetric images, for simplified brain tumor segmentation.

arxiv情報

提供元, 利用サービス

arxiv.jp, DeepL