用于多发性硬化症脉络丛自动分割的轴向多层感知机架构
图像与视频处理
2022-04-08 v2 计算机视觉与模式识别
机器学习
神经元与认知
定量方法
摘要
脉络丛（Choroid plexuses, CP）是脑室中产生大部分脑脊液（CSF）的结构。多项死后尸检及在体研究已指出其在多发性硬化症（MS）炎症过程中的作用。因此，从MRI中自动分割CP对于在大规模患者队列中研究其特征具有重要价值。据我们所知，目前唯一可免费使用的CP分割工具是FreeSurfer，但其对该特定结构的准确性较差。本文提出从非对比增强T1加权MRI中自动分割CP。为此，我们引入了一种名为“Axial-MLP”的新模型，该模型基于轴向多层感知机（MLP）的组合。其灵感来源于近期研究表明Transformer的自注意力层可被MLP替代的工作。我们系统地将该方法与标准3D U-Net、nnU-Net、FreeSurfer和FastSurfer进行了比较。实验使用了一个包含141名受试者（44名对照和97名MS患者）的数据集。结果表明，所有测试的深度学习方法在性能上均优于FreeSurfer（深度学习的Dice系数约为0.7，而FreeSurfer为0.33）。Axial-MLP与U-Net相比具有竞争力，尽管其准确性略低。本文的结论有两点：1）所研究的深度学习方法可作为研究大规模MS患者队列中CP的有用工具；2）Axial-MLP是此类任务中卷积神经网络的一种潜在可行替代方案，尽管其性能仍有进一步提升的空间。
引用
@article{arxiv.2109.03778,
title = {Axial multi-layer perceptron architecture for automatic segmentation of choroid plexus in multiple sclerosis},
author = {Marius Schmidt-Mengin and Vito A. G. Ricigliano and Benedetta Bodini and Emanuele Morena and Annalisa Colombi and Mariem Hamzaoui and Arya Yazdan Panah and Bruno Stankoff and Olivier Colliot},
journal= {arXiv preprint arXiv:2109.03778},
year = {2022}
}