Resumen

La segmentación de los tumores hepáticos desempeña un papel importante en la elección de estrategias terapéuticas para la enfermedad hepática y la monitorización del tratamiento. En este trabajo, generalizamos el proceso de un conjunto de niveles con un novedoso algoritmo de regulación dinámica a parámetros funcionales energéticos. El método presentado es totalmente automático una vez detectado el tumor. En primer lugar, se utiliza una red neuronal convolucional 3D con capas densas de clasificación para estimar la ubicación actual del contorno en relación con el límite del tumor. En segundo lugar, las probabilidades 3D de salida de la CNN pueden regular dinámicamente los parámetros del conjunto funcional de niveles a lo largo del proceso de segmentación. Por último, para una automatización completa, se generan las inicializaciones apropiadas y el tamaño de ventana local basándose en las probabilidades de posición del contorno actual. Demostramos el método propuesto en el conjunto de datos de MICCAI 2017 LiTS Challenge y 3DIRCADb que incluyen tumores heterogéneos y de bajo contraste, así como imágenes ruidosas. Para ilustrar la fortaleza de nuestro método, lo evaluamos frente a los métodos más avanzados. En comparación con el marco de conjunto de niveles con parámetros fijos, nuestro método obtuvo resultados significativamente mejores, con una mejora DICE media de 0,15. También analizamos un desafiante conjunto de datos 3DIRCADb de tumores y obtuvimos un DICE competitivo de 0,85±0,06 con el método propuesto.

• Materias:Análisis de espectro Organización modular Diagnóstico automatizado Monitoreo Servicios de salud
• Subjects:Spectrum analysis Modular organization Automated diagnostics Monitoring Health services
• Palabras claves:método, red neuronal convolucional 3D, probabilidades de posición del contorno actual, probabilidades de CNN 3D de salida, mejora media de DICE, ubicación del contorno actual, marco de conjunto de niveles, tamaño de ventana local, conjunto de datos, nivel
• Keywords:method, 3D convolutional neural network, current contour position probabilities, output 3D CNN probabilities, average DICE improvement, current contour location, level set framework, local window size, dataset, level