亲爱的研友该休息了!由于当前在线用户较少,发布求助请尽量完整的填写文献信息,科研通机器人24小时在线,伴您度过漫漫科研夜!身体可是革命的本钱,早点休息,好梦!

A U-Net Ensemble for breast lesion segmentation in DCE MRI

计算机科学 分割 人工智能 乳房磁振造影 模式识别(心理学) 工作量 磁共振成像 Sørensen–骰子系数 数据挖掘 图像分割 乳腺癌 乳腺摄影术 癌症 放射科 医学 内科学 操作系统
作者
Roa’a Khaled,Joel Vidal,Joan C. Vilanova,Robert Martí
出处
期刊:Computers in Biology and Medicine [Elsevier]
卷期号:140: 105093-105093 被引量:26
标识
DOI:10.1016/j.compbiomed.2021.105093
摘要

Dynamic Contrast Enhanced Magnetic Resonance Imaging (DCE-MRI) has been recognized as an effective tool for Breast Cancer (BC) diagnosis. Automatic BC analysis from DCE-MRI depends on features extracted particularly from lesions, hence, lesions need to be accurately segmented as a prior step. Due to the time and experience required to manually segment lesions in 4D DCE-MRI, automating this task is expected to reduce the workload, reduce observer variability and improve diagnostic accuracy. In this paper we propose an automated method for breast lesion segmentation from DCE-MRI based on a U-Net framework. The contributions of this work are the proposal of a modified U-Net architecture and the analysis of the input DCE information. In that sense, we propose the use of an ensemble method combining three U-Net models, each using a different input combination, outperforming all individual methods and other existing approaches. For evaluation, we use a subset of 46 cases from the TCGA-BRCA dataset, a challenging and publicly available dataset not reported to date for this task. Due to the incomplete annotations provided, we complement them with the help of a radiologist in order to include secondary lesions that were not originally segmented. The proposed ensemble method obtains a mean Dice Similarity Coefficient (DSC) of 0.680 (0.802 for main lesions) which outperforms state-of-the art methods using the same dataset, demonstrating the effectiveness of our method considering the complexity of the dataset.
最长约 10秒,即可获得该文献文件

科研通智能强力驱动
Strongly Powered by AbleSci AI
更新
大幅提高文件上传限制,最高150M (2024-4-1)

科研通是完全免费的文献互助平台,具备全网最快的应助速度,最高的求助完成率。 对每一个文献求助,科研通都将尽心尽力,给求助人一个满意的交代。
实时播报
崔凝荷发布了新的文献求助10
1秒前
11秒前
医路通行发布了新的文献求助10
14秒前
垚祎完成签到 ,获得积分10
14秒前
崔凝荷完成签到,获得积分10
34秒前
qwe1108完成签到 ,获得积分10
37秒前
咖啡豆完成签到 ,获得积分10
48秒前
lovelife完成签到,获得积分10
1分钟前
Jasper应助科研通管家采纳,获得10
1分钟前
Ava应助科研通管家采纳,获得20
1分钟前
爱静静应助科研通管家采纳,获得30
1分钟前
留影发布了新的文献求助20
1分钟前
黄玥完成签到 ,获得积分10
1分钟前
留影完成签到,获得积分10
1分钟前
quzhenzxxx完成签到 ,获得积分10
1分钟前
斯文败类应助thousandlong采纳,获得10
1分钟前
1分钟前
thousandlong发布了新的文献求助10
1分钟前
1分钟前
舒适的绿蓉完成签到 ,获得积分10
2分钟前
派大星发布了新的文献求助10
2分钟前
周久完成签到 ,获得积分10
2分钟前
薰硝壤应助留影采纳,获得20
2分钟前
丁丁完成签到 ,获得积分10
2分钟前
SciGPT应助八月采纳,获得30
2分钟前
2分钟前
科研通AI2S应助Cwx2020采纳,获得10
2分钟前
Xiaxia发布了新的文献求助10
2分钟前
lyz完成签到,获得积分10
2分钟前
2分钟前
Xiaxia完成签到,获得积分10
2分钟前
2分钟前
淡淡烤鸡完成签到,获得积分10
3分钟前
lixiaojin发布了新的文献求助10
3分钟前
爱静静应助科研通管家采纳,获得10
3分钟前
爱静静应助科研通管家采纳,获得10
3分钟前
调研昵称发布了新的文献求助10
3分钟前
3分钟前
爱静静应助felix采纳,获得50
3分钟前
Akim应助LEESO采纳,获得10
3分钟前
高分求助中
Sustainability in Tides Chemistry 2800
The Young builders of New china : the visit of the delegation of the WFDY to the Chinese People's Republic 1000
Rechtsphilosophie 1000
Bayesian Models of Cognition:Reverse Engineering the Mind 888
Le dégorgement réflexe des Acridiens 800
Defense against predation 800
Very-high-order BVD Schemes Using β-variable THINC Method 568
热门求助领域 (近24小时)
化学 医学 生物 材料科学 工程类 有机化学 生物化学 物理 内科学 纳米技术 计算机科学 化学工程 复合材料 基因 遗传学 催化作用 物理化学 免疫学 量子力学 细胞生物学
热门帖子
关注 科研通微信公众号,转发送积分 3137011
求助须知:如何正确求助?哪些是违规求助? 2787960
关于积分的说明 7784062
捐赠科研通 2444016
什么是DOI,文献DOI怎么找? 1299609
科研通“疑难数据库(出版商)”最低求助积分说明 625497
版权声明 600989