Improved lung segmentation based on U-Net architecture and morphological operations

要約

胸部 X 線のコンピューター支援診断における重要な段階は、自動肺セグメンテーションです。
胸郭と各人の肺の独自のモダリティにより、効果的な自動化された肺セグメンテーション モデルを構築することが不可欠です。
この論文は、胸部 X 線写真における肺のセグメンテーションの信頼できるモデルを提示します。
私たちのモデルは、ソースの胸部 X 線写真の重要でない領域を無視し、肺セグメンテーションの重要な機能を強調することを学習することで、課題を克服します。
公開データセット、Montgomery および Shenzhen でモデルを評価します。
提案されたモデルの DICE 係数は 98.1% であり、モデルの信頼性を示しています。

要約(オリジナル)

An essential stage in computer aided diagnosis of chest X rays is automated lung segmentation. Due to rib cages and the unique modalities of each persons lungs, it is essential to construct an effective automated lung segmentation model. This paper presents a reliable model for the segmentation of lungs in chest radiographs. Our model overcomes the challenges by learning to ignore unimportant areas in the source Chest Radiograph and emphasize important features for lung segmentation. We evaluate our model on public datasets, Montgomery and Shenzhen. The proposed model has a DICE coefficient of 98.1 percent which demonstrates the reliability of our model.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google