面向 CT 和 MRI 数据的前景与匿名区域分割统一框架
图像与视频处理
2025-01-09 v1 计算机视觉与模式识别
摘要
本研究提出了一个开源工具包，以解决自监督学习 SSL 在 3D 医学影像数据预处理中的关键挑战，关注数据隐私和计算效率。该工具包包含两个主要组件：一个分割网络用于描绘前景区域以优化数据采样，从而减少训练时间，另一个分割网络用于识别匿名区域，防止基于重建的 SSL 方法出现错误的监督。实验结果表明该工具包具有高度稳健性，所有匿名方法的平均 Dice 得分超过 98.5，前景分割任务超过 99.5，凸显了该工具包在 CT 和 MRI 图像中支持 SSL 应用的有效性。该项目的权重和代码可在 https://github.com/MIC-DKFZ/Foreground-and-Anonymization-Area-Segmentation 获取。
引用
@article{arxiv.2501.04361,
title = {A Unified Framework for Foreground and Anonymization Area Segmentation in CT and MRI Data},
author = {Michal Nohel and Constantin Ulrich and Jonathan Suprijadi and Tassilo Wald and Klaus Maier-Hein},
journal= {arXiv preprint arXiv:2501.04361},
year = {2025}
}
备注
6 pages