基于多图谱分割与深度神经网络的脑干自动分割
图像与视频处理
2021-02-16 v1
摘要
约5-8%的60岁以上个体患有痴呆症。随着人口日益老龄化，这一数字 likely 会增加，使痴呆症成为21世纪公共卫生最重要的威胁之一。鉴于各类痴呆症的表型重叠，即使采用当前金标准诊断方法，痴呆症的诊断仍是一项重大临床挑战。然而，已有研究表明某些痴呆症在脑部呈现特定的结构特征。进行性核上性麻痹（PSP）和多系统萎缩（MSA）是此现象的典型例子，它们常表现出特征性脑干萎缩。为筛选对各疾病有意义的生物标志物和治疗靶点，迫切需要对不同疾病导致的脑萎缩进行更细致刻画。本文提出一种联合多图谱分割与基于深度学习的分割方法，用于快速、鲁棒地将脑干划分为四个亚结构，即中脑、脑桥、延髓和结合臂（SCP），进而可提供PSP和MSA中受累脑干亚结构的详细体积信息。该方法也可能有益于其他神经退行性疾病，如帕金森病——一种常在PSP和MSA鉴别诊断中被考虑的疾病。与基于人工勾画真值评估的现有最优标记技术相比，我们的方法显著快于先前方法，且在脑干标记上有所改进，表明该策略可作为更好刻画PSP和MSA中脑干萎缩的可行方案。
引用
@article{arxiv.2102.03281,
title = {Automated brainstem parcellation using multi-atlas segmentation and deep neural network},
author = {Magnus Magnusson and Askell Love and Lotta M. Ellingsen},
journal= {arXiv preprint arXiv:2102.03281},
year = {2021}
}
备注
Accepted to SPIE Medical Imaging 2021