Core Concepts
MRIモダリティの前処理と注意機構を活用した脳腫瘍セグメンテーションの効果的な手法を提案する。
Abstract
脳腫瘍は致死率が80%以上であり、正確な診断が生存率向上に重要。
MRIモダリティの前処理により、MRIデータから余分な情報を取り除き、入力サイズを減少させることでデータ拡張と深層ニューラルネットワークを可能にする。
フルコンボリューショナルオートエンコーダーは異なる脳MRIをセグメント化し、チャネルごとの自己注意と注意ゲートを使用。
テスト時の拡張とエネルギーベースのモデルは体素単位の不確実性予測に効果的。
BraTS 19、20、21 benchmarksで実験が行われ、提案されたモデルは最先端のセグメンテーション性能を達成。
Stats
MRIモダリティはT1、T1-Gd、T2、FLAIRから成る。
BraTS 19, 20, 21 benchmarksで平均ダイススコア84.55〜90.82を達成。
Quotes
"Brain tumors are one of the deadliest forms of cancer with a mortality rate of over 80%."
"An automated method of segmenting brain tumors will heavily aid in the diagnosis and treatment of brain tumors."
"These methods create a visual confidence map that is simple for physicians to understand."