用于分析脑 MRI 的 3DSiameseNet
图像与视频处理
2019-09-04 v1 计算机视觉与模式识别
机器学习
摘要
预测易患神经退行性疾病者的认知演变对于尽早提供适当治疗至关重要。本文提出一种 3D 孪生网络（3D siamese network），旨在从全脑 3D MRI 图像中提取特征。我们表明，利用卷积层提取有意义特征是可行的，从而降低对分割或预计算诸如皮层厚度等经典图像处理操作的需求。为开展本研究，我们使用了阿尔茨海默病神经成像倡议（ADNI），一个 3D MRI 脑图像的公共数据库。我们提取了 247 名受试者的集合，所有受试者均在 12 个月范围内拥有 2 张图像。为衡量患者状态的演变，我们对这 2 张图像进行了比较。我们的工作最初受 Bhagwat 等人 2018 年文章的启发，他们提出了一种孪生网络来预测患者状态，但无任何卷积层，并将 MRI 图像缩减为从预定义 ROI 提取的特征向量。我们表明，我们的网络在认知衰退与稳定患者的分类中达到了 90\% 的准确率。该结果是在无认知评分辅助、且相较于深度学习领域当前所宣称的数据集规模仅用少量患者的情况下取得的。
引用
@article{arxiv.1909.01098,
title = {3DSiameseNet to Analyze Brain MRI},
author = {Cecilia Ostertag and Marie Beurton-Aimar and Thierry Urruty},
journal= {arXiv preprint arXiv:1909.01098},
year = {2019}
}
备注
published in ICPRS 2019 conference