自动分割脑组织冠状切片用于3D神经病理学
计算机视觉与模式识别
2025-11-06 v2 人工智能
摘要
图像配准和机器学习技术的近期进展，使我们能够通过常规照片对脑组织冠状切片进行体积分析，这些切片在全球范围内的脑库和神经病理学实验室中均有收集。然而，这种方法的一个局限在于需要对组织进行分割，而当前的分割需要高昂的手动干预。本文提出了一种深度学习模型来自动化这一过程。该自动分割工具基于U-Net架构，使用来自不同诊断病例的固定组织和鲜组织的1,414张手动分割图像进行训练，这些图像在两个不同地点拍摄。对训练中未看到的照片子集进行自动模型预测，以估计性能，包括双侧和单侧的变异性。我们的模型在Dice得分中达到0.98以上，平均表面距离小于0.4mm，95%的Hausdorff距离小于1.60mm，这接近双侧和单侧水平。我们的工具已公开提供，网址为 surfer.nmr.mgh.harvard.edu/fswiki/PhotoTools。
引用
@article{arxiv.2508.09805,
title = {Automated Segmentation of Coronal Brain Tissue Slabs for 3D Neuropathology},
author = {Jonathan Williams Ramirez and Dina Zemlyanker and Lucas Deden-Binder and Rogeny Herisse and Erendira Garcia Pallares and Karthik Gopinath and Harshvardhan Gazula and Christopher Mount and Liana N. Kozanno and Michael S. Marshall and Theresa R. Connors and Matthew P. Frosch and Mark Montine and Derek H. Oakley and Christine L. Mac Donald and C. Dirk Keene and Bradley T. Hyman and Juan Eugenio Iglesias},
journal= {arXiv preprint arXiv:2508.09805},
year = {2025}
}
备注
20 pages, 10 figures