ASMCNN：一种利用主动形状模型与卷积神经网络的高效脑提取方法
计算机视觉与模式识别
2022-01-31 v3
摘要
脑提取（颅骨剥离）是神经影像中的一个挑战性问题。这是由于数据采集条件的变化或图像中的异常，使得脑形态与强度特征可变且复杂。本文提出一种用于磁共振成像（MRI）扫描中颅骨剥离的算法，即ASMCNN，通过结合主动形状模型（ASM）与卷积神经网络（CNN）以充分发挥二者优势取得显著效果。我们处理矢状面上的2D图像序列而非3D结构。首先，将图像分为不同组，使得每组中脑边界的形状与结构具有相似外观。其次，利用每组的先验知识，采用改进版ASM检测脑边界。最后，应用CNN与后处理方法（包括条件随机场（CRF）、高斯过程及若干特殊规则）精化分割轮廓。实验结果表明，我们所提方法在所有实验中均以显著优势优于当前最优算法。
引用
@article{arxiv.1802.01268,
title = {ASMCNN: An Efficient Brain Extraction Using Active Shape Model and Convolutional Neural Networks},
author = {Duy H. M. Nguyen and Duy M. Nguyen and Mai T. N. Truong and Thu Nguyen and Khanh T. Tran and Nguyen A. Triet and Pham T. Bao and Binh T. Nguyen},
journal= {arXiv preprint arXiv:1802.01268},
year = {2022}
}
备注
47 pages, 20 figures