Kidney and Kidney Tumour Segmentation in CT Images

要約

コンピュータ断層撮影 (CT) 画像における腎臓と腎臓腫瘍の自動セグメンテーションは、現在の手動セグメンテーションのゴールド スタンダードと比較して時間がかからないため、不可欠です。
しかし、多くの病院は、精度が高いため、医師による CT 画像の手作業による研究とセグメンテーションに依拠しています。
したがって、この研究は、造影 CT 画像における自動腎臓および腎臓腫瘍セグメンテーションのアプローチの開発に焦点を当てています。
畳み込みニューラル ネットワーク (CNN) に基づく方法が提案されました。この方法では、3D U-Net セグメンテーション モデルが開発され、CT スキャンから腎臓と腎臓腫瘍を描写するようにトレーニングされました。
各 CT 画像は、CNN に入力する前に前処理され、ダウンサンプリングされたパッチごとの入力画像がモデルのパフォーマンスに及ぼす影響が分析されました。
提案された方法は、公開されている 2021 年の腎臓および腎臓腫瘍セグメンテーション チャレンジ (KiTS21) データセットで評価されました。
最良のモデルを使用した方法では、平均トレーニング ダイス スコア 0.6129 が記録され、腎臓および腎臓腫瘍のダイス スコアはそれぞれ 0.7923 および 0.4344 でした。
テストでは、モデルは腎臓の Dice スコア 0.8034、腎臓腫瘍の Dice スコア 0.4713、平均 Dice スコア 0.6374 を取得しました。

要約(オリジナル)

Automatic segmentation of kidney and kidney tumour in Computed Tomography (CT) images is essential, as it uses less time as compared to the current gold standard of manual segmentation. However, many hospitals are still reliant on manual study and segmentation of CT images by medical practitioners because of its higher accuracy. Thus, this study focuses on the development of an approach for automatic kidney and kidney tumour segmentation in contrast-enhanced CT images. A method based on Convolutional Neural Network (CNN) was proposed, where a 3D U-Net segmentation model was developed and trained to delineate the kidney and kidney tumour from CT scans. Each CT image was pre-processed before inputting to the CNN, and the effect of down-sampled and patch-wise input images on the model performance was analysed. The proposed method was evaluated on the publicly available 2021 Kidney and Kidney Tumour Segmentation Challenge (KiTS21) dataset. The method with the best performing model recorded an average training Dice score of 0.6129, with the kidney and kidney tumour Dice scores of 0.7923 and 0.4344, respectively. For testing, the model obtained a kidney Dice score of 0.8034, and a kidney tumour Dice score of 0.4713, with an average Dice score of 0.6374.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google