用于多发性硬化病灶活动分割的 4D 深度学习
计算机视觉与模式识别
2020-06-02 v2 图像与视频处理
定量方法
摘要
多发性硬化病灶活动分割的任务是检测在基线脑 MRI 扫描与随访脑 MRI 扫描之间出现的新发及增大病灶。尽管用于单扫描病灶分割的深度学习方法很常见，用于病灶活动的深度学习方法近期才被提出。此处，一种双路径架构处理来自两个时间点的两个 3D MRI 体积。在本工作中，我们研究将这一问题扩展为使用 MRI 体积历史因而扩展基线的全 4D 深度学习能否提升性能。为此，我们设计了一种用于处理 4D 数据的循环多编码器-解码器架构。我们发现添加更多时间信息是有益的，且我们提出的架构以病灶级假阳性率 0.19 取得了 0.84 的病灶级真阳性率，优于先前方法。
引用
@article{arxiv.2004.09216,
title = {4D Deep Learning for Multiple Sclerosis Lesion Activity Segmentation},
author = {Nils Gessert and Marcel Bengs and Julia Krüger and Roland Opfer and Ann-Christin Ostwaldt and Praveena Manogaran and Sven Schippling and Alexander Schlaefer},
journal= {arXiv preprint arXiv:2004.09216},
year = {2020}
}
备注
Accepted at MIDL 2020