
摘要
从3D磁共振图像(MRI)中自动分割脑肿瘤对于疾病的诊断、监测和治疗计划至关重要。手动勾画方法需要解剖学知识,成本高昂、耗时且可能因人为错误而不够准确。本文介绍了一种基于编码器-解码器架构的语义分割网络,用于从3D MRI中分割肿瘤亚区。由于训练数据集规模有限,添加了一个变分自编码器分支以重建输入图像本身,从而对共享解码器进行正则化并对其层施加额外约束。该方法在BraTS 2018挑战赛中获得了第一名。
从3D磁共振图像(MRI)中自动分割脑肿瘤对于疾病的诊断、监测和治疗计划至关重要。手动勾画方法需要解剖学知识,成本高昂、耗时且可能因人为错误而不够准确。本文介绍了一种基于编码器-解码器架构的语义分割网络,用于从3D MRI中分割肿瘤亚区。由于训练数据集规模有限,添加了一个变分自编码器分支以重建输入图像本身,从而对共享解码器进行正则化并对其层施加额外约束。该方法在BraTS 2018挑战赛中获得了第一名。