一种基于中心的深度对比度量学习方法用于儿科脑MRI中多小脑回的检测
计算机视觉与模式识别
2022-11-24 v1 人工智能
摘要
多小脑回（PMG）是一种主要见于儿童的皮质组织异常疾病，可伴发癫痫、发育迟缓和运动无力。PMG通常在磁共振成像（MRI）上诊断，但某些病例即使对经验丰富的放射科医生也难以检出。在本研究中，我们创建了来自加拿大渥太华东安大略儿童医院（CHEO）的含PMG与对照的开放儿科MRI数据集（PPMR）。PMG MRI与对照MRI之间的差异细微，且疾病特征的真实分布未知。这使得在MRI中自动检测潜在PMG病例十分困难。我们提出了一种基于新颖的基于中心的深度对比度量学习损失函数（cDCM）的异常检测方法，其可实现潜在PMG病例的自动检测。此外，基于我们所提损失函数，我们为PPMR数据集定制了一种集成空洞卷积、挤压激励块与特征融合的深度学习模型结构。尽管处理的是小规模不平衡数据集，我们的方法在55.04%精确率下取得了92.01%召回率。这将有助于放射科医生筛选潜在PMG MRI的计算机辅助工具。据我们所知，本研究是首个仅从MRI应用机器学习技术识别PMG的工作。
引用
@article{arxiv.2211.12565,
title = {A Novel Center-based Deep Contrastive Metric Learning Method for the Detection of Polymicrogyria in Pediatric Brain MRI},
author = {Lingfeng Zhang and Nishard Abdeen and Jochen Lang},
journal= {arXiv preprint arXiv:2211.12565},
year = {2022}
}
备注
24 pages, 13 figures