Brain MRI study for glioma segmentation using convolutional neural networks and original post-processing techniques with low computational demand

要約

神経膠腫は、さまざまな非常に不均一な組織学的サブ領域で構成される脳腫瘍です。
関連する腫瘍の下部構造を特定するための画像分析技術は、患者の診断、治療、および予後を改善する可能性が高い。
ただし、神経膠腫の高度な不均一性のため、セグメンテーションタスクは現在、医療画像分析の分野での主要な課題です。
現在の作業では、神経膠腫のマルチモーダルMRIスキャンで構成される脳腫瘍セグメンテーション（BraTS）チャレンジ2018のデータベースが研究されました。
畳み込みニューラルネットワーク（CNN）の設計と適用に基づくセグメンテーション手法を、計算量の少ない独自の後処理技術と組み合わせて提案しました。
セグメンテーションで得られた結果の主な原因は後処理技術でした。
セグメント化された領域は、腫瘍全体、腫瘍コア、および増強腫瘍コアであり、それぞれ0.8934、0.8376、および0.8113に等しい平均ダイス係数が得られました。
これらの結果は、チャレンジの勝者によって決定された神経膠腫セグメンテーションの最先端に達しました。

要約(オリジナル)

Gliomas are brain tumors composed of different highly heterogeneous histological subregions. Image analysis techniques to identify relevant tumor substructures have high potential for improving patient diagnosis, treatment and prognosis. However, due to the high heterogeneity of gliomas, the segmentation task is currently a major challenge in the field of medical image analysis. In the present work, the database of the Brain Tumor Segmentation (BraTS) Challenge 2018, composed of multimodal MRI scans of gliomas, was studied. A segmentation methodology based on the design and application of convolutional neural networks (CNNs) combined with original post-processing techniques with low computational demand was proposed. The post-processing techniques were the main responsible for the results obtained in the segmentations. The segmented regions were the whole tumor, the tumor core, and the enhancing tumor core, obtaining averaged Dice coefficients equal to 0.8934, 0.8376, and 0.8113, respectively. These results reached the state of the art in glioma segmentation determined by the winners of the challenge.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google