目录
Title:Brain tumor segmentation with self-ensembled, deeply-supervised 3D U-net neural networks: a BraTS 2020 challenge solution.
摘要
本文主要采用深度监督和随机加权法。从两个不同的训练管道训练两个独立的模型集成,并且每个模型都会产生一个脑肿瘤分割图。然后将每个患者的这两个预测结果映射合并,从而考虑每个集合对特定肿瘤区域的表现。
对于脑肿瘤分割的挑战在于描绘肿瘤的ET(增强肿瘤),TC(肿瘤核心),WT(整个肿瘤)。主要的评估指标是重叠指标和距离指标。常用的Dice相似系数(DSC)衡量两组之间的重叠,在与真实标签的比较上下文中,它可以被定义为为:
其中TP为真阳性(正确分类体素的数量),FP为假阳性,FN为假阴性,但是DSC这个度量对图像中的