Multimodal 3D Brain Tumor Segmentation with Adversarial Training and Conditional Random Field

要約

神経膠腫の構造の複雑さと大きな個体差により、脳腫瘍を正確にセグメンテーションすることは依然として困難な課題です。
CRF の卓越した詳細復元力と V-net の空間特徴抽出能力を活用して、正確なセグメンテーションのためのマルチモーダル 3D ボリューム生成敵対的ネットワーク (3D-vGAN) を提案します。
このモデルは、V-net の改善に疑似 3D を利用し、ジェネレーターの後に条件付きランダム フィールドを追加し、補足的なガイダンスとしてオリジナルの画像を使用します。
BraTS-2018 データセットを使用した結果では、3D-vGAN が U-net、Gan、FCN、3D V-net などの従来のセグメンテーション モデルを上回り、99.8% 以上の特異度に達していることが示されています。

要約(オリジナル)

Accurate brain tumor segmentation remains a challenging task due to structural complexity and great individual differences of gliomas. Leveraging the pre-eminent detail resilience of CRF and spatial feature extraction capacity of V-net, we propose a multimodal 3D Volume Generative Adversarial Network (3D-vGAN) for precise segmentation. The model utilizes Pseudo-3D for V-net improvement, adds conditional random field after generator and use original image as supplemental guidance. Results, using the BraTS-2018 dataset, show that 3D-vGAN outperforms classical segmentation models, including U-net, Gan, FCN and 3D V-net, reaching specificity over 99.8%.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google