来自磁共振成像(MRI)数据的自动脑肿瘤分割在评估治疗和个性化治疗分层的肿瘤反应中起重要作用.Manual分割是乏味的,主观的脑肿瘤细分算法有可能提供目标并且快速肿瘤分割。但是,这种算法的培训需要大量数据集,这些数据集并不总是可用的。数据增强技术可以减少对大型数据集的需求。然而,当前方法主要是参数,并且可能导致次优的性能。我们引入了两个非参数化的脑肿瘤分割的数据增强方法:混合结构正则化(MSR)和Shuffle像素噪声(SPN).we评估了MSR和SPN增强对大脑肿瘤分割(BRATS)2018挑战数据集的附加值与编码器 - 解码器NNU-NNU-NNU-NET架构作为分割算法。从MSR和SPN改善NNU-NET分段与参数高斯噪声增强相比的准确性。当分别将MSR与肿瘤核心和全肿瘤实验的非参数增强分别增加了80%至82%和p值= 0.0022,00028。所提出的MSR和SPN增强有可能在其他任务中提高神经网络性能。
translated by 谷歌翻译