基于深度学习的脑解剖先天或后天畸变患者组织自动分割
组织与器官
2020-03-25 v1 图像与视频处理
摘要
具有复杂大脑解剖畸变的脑对 T1 加权 MR 图像的组织自动分割方法提出了若干挑战。首先，组织形态的极高变异性可能与算法内嵌的先验知识不相容。其次，畸变脑的 MR 图像极为稀缺，因此文献中的方法迄今尚未处理此类病例。本工作中，我们首次对最先进的组织自动分割流程在具有不同严重程度先天或后天脑畸变的 T1 加权图像上进行评估。我们比较了传统流程与一个深度学习模型，即一个在正常外观脑上训练的 3D U-Net。不出所料，传统流程在强解剖畸变组织的分割上完全失败。令人惊讶的是，3D U-Net 提供了有用的分割结果，可作为专家/神经放射科医生手动精修的宝贵起点。
引用
@article{arxiv.2003.11008,
title = {Automatic Tissue Segmentation with Deep Learning in Patients with Congenital or Acquired Distortion of Brain Anatomy},
author = {Gabriele Amorosino and Denis Peruzzo and Pietro Astolfi and Daniela Redaelli and Paolo Avesani and Filippo Arrigoni and Emanuele Olivetti},
journal= {arXiv preprint arXiv:2003.11008},
year = {2020}
}