Brain Tumor Segmentation using Enhanced U-Net Model with Empirical Analysis

要約

脳のがんは致命的であり、慎重な外科的セグメンテーションが必要です。
脳腫瘍は、畳み込みニューラル ネットワーク (CNN) を使用した U-Net を使用してセグメント化されました。
壊死組織、浮腫組織、成長中の組織、および健康な組織の重なりを探す場合、画像から関連情報を取得するのは難しい場合があります。
2D U-Net ネットワークが改善され、BraTS データセットを使用してトレーニングされ、これら 4 つの領域が検出されました。
U-Net は、さまざまな方法で使用できる画像から情報を取得するために使用できる多くのエンコーダーおよびデコーダー ルートを設定できます。
計算時間を短縮するために、画像セグメンテーションを使用して重要でない背景の詳細​​を除外します。
BraTS データセットの実験では、MRI (MRI) から脳腫瘍をセグメント化するために提案されたモデルがうまく機能することが示されています。
この研究では、2017 年、2018 年、2019 年、2020 年の BraTS データセットが、BraTS 2019 データセットの達成ダイス スコア 0.8717 (壊死)、0.9506 (浮腫)、および 0.9427 (強化) と有意に異ならないことを示しています。

要約(オリジナル)

Cancer of the brain is deadly and requires careful surgical segmentation. The brain tumors were segmented using U-Net using a Convolutional Neural Network (CNN). When looking for overlaps of necrotic, edematous, growing, and healthy tissue, it might be hard to get relevant information from the images. The 2D U-Net network was improved and trained with the BraTS datasets to find these four areas. U-Net can set up many encoder and decoder routes that can be used to get information from images that can be used in different ways. To reduce computational time, we use image segmentation to exclude insignificant background details. Experiments on the BraTS datasets show that our proposed model for segmenting brain tumors from MRI (MRI) works well. In this study, we demonstrate that the BraTS datasets for 2017, 2018, 2019, and 2020 do not significantly differ from the BraTS 2019 dataset’s attained dice scores of 0.8717 (necrotic), 0.9506 (edema), and 0.9427 (enhancing).

arxiv情報

提供元, 利用サービス

arxiv.jp, Google