面向大规模研究的近乎即时脑图谱分割
计算机视觉与模式识别
2017-11-02 v1
摘要
对健康对照与患者群体差异的大规模研究以及早期疾病筛查预防项目，需要处理和分析广泛的多受试者数据集。当将脑结构 MRI 分割为具有超过 50 个区域的图谱时，任务复杂性进一步增加。当前的自动方法耗时且难以扩展；它们常涉及许多易出错的中间步骤且不利用其他可用模态。为缓解这些问题，我们提出一种在前沿模型输出上训练的前馈全卷积神经网络。得益于可用强大 GPU，神经网络的惊人速度使该分析更易且更快（从 小时到一分钟）。所提模型比最优方法快两个数量级以上且同样准确。我们通过在含 311 名受试者的数据集上比较其与最优方法在区分健康对照与精神分裂症患者区域体积任务中的表现，评估了网络性能。该比较提供有力证据：速度未损害准确性。通过简单添加更多模态作为输入，整体质量也可因利用多模态数据集（对其他模型非易事）而提升。我们的模型将有益于大规模研究及临床护理解决方案，在其中可显著减少患者筛查与结果之间的延迟。
引用
@article{arxiv.1711.00457,
title = {Almost instant brain atlas segmentation for large-scale studies},
author = {Alex Fedorov and Eswar Damaraju and Vince Calhoun and Sergey Plis},
journal= {arXiv preprint arXiv:1711.00457},
year = {2017}
}