基于注意力卷积神经网络的大鼠病灶MRI脑半球自动分割
图像与视频处理
2022-10-04 v3 计算机视觉与模式识别
摘要
我们提出MedicDeepLabv3+，一种卷积神经网络，是首个完全自动分割带病灶大鼠磁共振(MR)体积中脑半球的方法。MedicDeepLabv3+通过先进的解码器改进了当前最优的DeepLabv3+，引入了空间注意力层和额外的跳跃连接，正如我们在实验中展示的，这带来了更精确的分割。MedicDeepLabv3+无需MR图像预处理，例如偏置场校正或配准到模板，可在不到一秒内生成分割结果，且其GPU内存需求可根据可用资源进行调整。我们在一个由11个队列在不同病灶阶段获取的MR体积组成的异质训练集上优化了MedicDeepLabv3+及其他六种当前最优卷积神经网络(DeepLabv3+、UNet、HighRes3DNet、V-Net、VoxResNet、Demon)。随后，我们在一个由655个大鼠MR脑体积组成的大型数据集上评估了训练好的模型以及两种专为啮齿动物MRI颅骨剥离设计的方法(RATS和RBET)。在我们的实验中，MedicDeepLabv3+优于其他方法，在脑和对侧半球区域分别产生了0.952和0.944的平均Dice系数。此外，我们表明即使限制GPU内存和训练数据，我们的MedicDeepLabv3+也能提供令人满意的分割。总之，我们的方法(公开于https://github.com/jmlipman/MedicDeepLabv3Plus)在多种场景下均取得了优异结果，证明了其在减少大鼠神经影像研究中人工工作量方面的能力。
引用
@article{arxiv.2108.01941,
title = {Automatic cerebral hemisphere segmentation in rat MRI with lesions via attention-based convolutional neural networks},
author = {Juan Miguel Valverde and Artem Shatillo and Riccardo de Feo and Jussi Tohka},
journal= {arXiv preprint arXiv:2108.01941},
year = {2022}
}
备注
Published in NeuroInformatics