一种模拟 MRI 中多扫描仪变异性的增强策略
图像与视频处理
2021-03-24 v1 计算机视觉与模式识别
机器学习
摘要
大多数公开可用的脑 MRI 数据集在扫描仪和协议方面非常同质，从中学习的模型难以推广到多中心和多扫描仪数据。我们提出一种新颖的数据增强方法，旨在近似真实世界临床数据在强度和对比度上存在的变异性。我们采用基于高斯混合模型的方法单独改变组织强度，在保留解剖信息的同时产生新对比度。我们在单一扫描仪数据集上训练深度学习模型，并在多中心和多扫描仪数据集上评估。所提方法提升了模型对训练数据中未出现的其他扫描仪的泛化能力。
引用
@article{arxiv.2103.12595,
title = {An augmentation strategy to mimic multi-scanner variability in MRI},
author = {Maria Ines Meyer and Ezequiel de la Rosa and Nuno Barros and Roberto Paolella and Koen Van Leemput and Diana M. Sima},
journal= {arXiv preprint arXiv:2103.12595},
year = {2021}
}
备注
5 pages, 2 figures. accepted for presentation at the International Symposium on Biomedical Imaging (ISBI) 2021. Code available at https://github.com/icometrix/gmm-augmentation