基于人工神经网络的多序列 MRI 脑提取自动化方法
计算机视觉与模式识别
2019-08-21 v2
摘要
脑提取是 MRI 神经影像研究分析中的关键预处理步骤，并影响下游分析的准确性。然而，大多数脑提取算法都针对健康大脑处理而优化，因此在存在病理改变的大脑或应用于异质 MRI 数据集时经常失败。在此，我们引入一种新颖、经过严格验证的算法（称为 HD-BET），其依赖人工神经网络，旨在克服这些局限。我们证明，在多个大规模神经影像数据集中，HD-BET 优于六种流行的公开可用脑提取算法，包括来自神经肿瘤学前瞻性多中心试验的一个数据集，取得了最先进的性能，DICE 系数中位数提升 +1.16 至 +2.11 点，豪斯多夫距离降低 -0.66 至 -2.51 mm。重要的是，HD-BET 算法在存在病理或治疗诱导的组织改变时表现出鲁棒性能，适用于广泛的 MRI 序列类型，且不受研究和临床实践中遇到的 MRI 硬件与采集参数变化的影响。为更广泛可及，我们的 HD-BET 预测算法已免费提供（http://www.neuroAI-HD.org），并可能成为鲁棒、自动化、高通量处理 MRI 神经影像数据的重要组成部分。
引用
@article{arxiv.1901.11341,
title = {Automated brain extraction of multi-sequence MRI using artificial neural networks},
author = {Fabian Isensee and Marianne Schell and Irada Tursunova and Gianluca Brugnara and David Bonekamp and Ulf Neuberger and Antje Wick and Heinz-Peter Schlemmer and Sabine Heiland and Wolfgang Wick and Martin Bendszus and Klaus Hermann Maier-Hein and Philipp Kickingereder},
journal= {arXiv preprint arXiv:1901.11341},
year = {2019}
}
备注
Fabian Isensee, Marianne Schell and Irada Tursunova share the first authorship