基于多模态MRI的急性与亚急性卒中病灶分割
计算机视觉与模式识别
2019-04-25 v2
摘要
急性卒中病灶分割任务具有重大临床意义,因其可帮助医生做出更明智的治疗决策。磁共振成像(MRI)耗时较长,但能提供被视为诊断金标准的图像。自动化卒中病灶分割可给出病灶组织位置与体积的估计,有助于临床实践中更好地评估与评价各治疗的风险。我们提出了一种利用多模态 MR 成像进行急性与亚急性卒中病灶分割的深度学习方法。所提方法使用来自 2015 年缺血性卒中病灶分割挑战赛(ISLES 2015)的两个公开数据集进行评估。这些涉及从扩散、灌注与解剖 MRI 模态进行亚急性卒中病灶分割(SISS)与急性卒中半暗带估计(SPES)的任务。性能与最先进方法比较,并在各挑战赛上以盲在线测试集评估。在提交本稿时,我们的方法是 SISS(DSC=0.590.31)与 SPES 子任务(DSC=0.840.10)在线排名中的首个方法。与其余提交策略相比,我们以更低的 Hausdorff 距离取得顶尖排名性能。通过利用急性卒中病灶的解剖与病理生理并采用组合方法以最小化类不平衡影响,获得了更好的分割结果。两项任务使用相同训练流程,表明所提方法能很好泛化以处理不同的不相关任务与成像模态而无需训练超参数调优。所提方法的公开版本已发布于 https://github.com/NIC-VICOROB/stroke-mri-segmentation 供科学界使用。
引用
@article{arxiv.1810.13304,
title = {Acute and sub-acute stroke lesion segmentation from multimodal MRI},
author = {Albert Clèrigues and Sergi Valverde and Jose Bernal and Jordi Freixenet and Arnau Oliver and Xavier Lladó},
journal= {arXiv preprint arXiv:1810.13304},
year = {2019}
}