BraTS 2019

新型GAN模型提升3D医学图像分割精度

研究人员开发了DE-GAN，一种新颖的生成对抗网络，旨在改进3D医学图像分割，特别是脑肿瘤的分割。该模型通过结合输入自适应动态卷积和风格感知特征混合来合成自适应FLAIR图像，这有助于克服低对比度和不同扫描仪及站点之间的域偏移等挑战。当使用原始和增强的FLAIR图像进行训练时，与基线方法相比，DE-GAN在BraTS 2015、2018和2019数据集上表现出更高的分割性能。