自動的な脳腫瘍セグメンテーションを用いたカスケード型非等方性畳み込みニューラルネットワーク

多段階の完全畳み込みニューラルネットワークを用いて、脳腫瘍を含む多モーダル磁気共鳴（MRI）画像を背景と3つの階層的な領域（全腫瘍、腫瘍中心部、強調された腫瘍中心部）に分割する手法が提案されています。この多段階構造は、サブリージョンの階層に基づいて、多クラス分割問題を3つの二値分割問題の系列に分解することを目指しています。最初のステップでは全腫瘍を分割し、その結果のバウンディングボックスを使用して2番目のステップで腫瘍中心部の分割を行います。その後、腫瘍中心部の分割結果のバウンディングボックスに基づいて強調された腫瘍中心部を分割します。私たちのネットワークは、非等方性および拡張畳み込みフィルターを複数層で構成しており、これらはマルチビュー融合と組み合わせて偽陽性を低減するために使用されます。これらのネットワークでは、残差接続とマルチスケール予測が採用されており、セグメンテーション性能の向上に寄与しています。BraTS 2017検証セットでの実験結果によると、提案手法は強調された腫瘍中心部、全腫瘍、腫瘍中心部に対してそれぞれ平均Dice係数0.7859、0.9050、0.8378を達成しました。BraTS 2017テストセットにおける対応する値はそれぞれ0.7831、0.8739、0.7748でした。