基于3D卷积神经网络的脑毛细血管停滞检测
图像与视频处理
2022-02-15 v2 计算机视觉与模式识别
摘要
充足的血液供应对正常脑功能至关重要。脑血管功能障碍（如脑毛细血管血流停滞）与阿尔茨海默病的认知衰退及发病机制相关。近期成像技术的进步可生成高质量3D图像，用于可视化停滞血管。然而，在3D图像中定位停滞血管常作为下游分析的第一步，人工操作繁琐、耗时且易错。本文描述一种基于深度学习的脑图像中毛细血管停滞自动检测方法，依托3D卷积神经网络。我们的网络采用自定义3D数据增强，并从预训练2D模型进行权重迁移以初始化。我们使用多个3D模型集成，在Clog Loss: Advance Alzheimer's Research with Stall Catchers机器学习竞赛中产出获胜提交，该竞赛要求参与者将3D图像栈中的血管分类为停滞或流动。在此设定下，我们的方法优于其他方法，展示出SOTA（最优）结果，取得0.85马修斯相关系数、85%灵敏度与99.3%特异度。我们解决方案的源代码已公开。
引用
@article{arxiv.2104.01687,
title = {3D Convolutional Neural Networks for Stalled Brain Capillary Detection},
author = {Roman Solovyev and Alexandr A. Kalinin and Tatiana Gabruseva},
journal= {arXiv preprint arXiv:2104.01687},
year = {2022}
}