脊髓多发性硬化病灶的自动分割：如何实现跨MRI对比度的泛化？
图像与视频处理
2020-06-05 v3 计算机视觉与模式识别
机器学习
摘要
尽管医学图像分割近期有所改进，但跨成像对比度泛化的能力仍是一个开放问题。为应对这一挑战，我们实现了特征线性调制（Feature-wise Linear Modulation, FiLM），以在分割模型中利用物理知识并学习每种对比度的特征。有趣的是，在多对比度数据集上，一个优化良好的U-Net达到了与我们的FiLMed-Unet相同的性能（Dice分数0.72），这表明脊髓MS病灶分割中存在不同于跨变对比度泛化的瓶颈。该瓶颈可能源于评分者间差异，在我们的数据集中估计为Dice分数0.61。
引用
@article{arxiv.2003.04377,
title = {Automatic segmentation of spinal multiple sclerosis lesions: How to generalize across MRI contrasts?},
author = {Olivier Vincent and Charley Gros and Joseph Paul Cohen and Julien Cohen-Adad},
journal= {arXiv preprint arXiv:2003.04377},
year = {2020}
}
备注
Presented at OHBM 2020 (v2-3 : corrected typos)