跨扫描仪和时间的脑 MRI 分割可重复性基准测试
计算机视觉与模式识别
2025-04-23 v1
摘要
准确且可重复的结构性 MRI 脑部形态测量对于监测跨时间和跨影像域的神经解剖变化至关重要。尽管深度学习已加速分割工作流程，但扫描仪引起的变异性和可重复性限制尤其在纵向和多中心设置下仍然存在。本研究对两种现代分割管线（FastSurfer 和 SynthSeg）进行基准测试，这两种管线均集成到最广泛采用的神经影像工具 FreeSurfer 中。我们使用两个互补数据集进行评估：一个为 17 年纵向队列（SIMON）和一个为 9 站点复测队列（SRPBS）。我们采用 Dice 系数、表面 Dice、Hausdorff 距离（HD95）和平均绝对百分比误差（MAPE）等指标量化跨扫描的分割变异性。我们的结果显示，在受控的复测条件下，小的次围体结构如杏仁核和腹侧基底核，体积变异可达 7%-8%。这引出一个关键问题：鉴于域引起的形态测量噪声的大小，是否可能检测出仅为 5%-10% 的细微纵向变化，尤其是在豆粒大小的脑区？我们进一步分析了注册模板和插值模式的影响，并提出基于表面的质量筛选以提高分割可靠性。本研究提供了可重复的形态测量可重复性基准，并强调在实际神经影像研究中需要整合策略的重要性。代码与图示：https://github.com/kondratevakate/brain-mri-segmentation
引用
@article{arxiv.2504.15931,
title = {Benchmarking the Reproducibility of Brain MRI Segmentation Across Scanners and Time},
author = {Ekaterina Kondrateva and Sandzhi Barg and Mikhail Vasiliev},
journal= {arXiv preprint arXiv:2504.15931},
year = {2025}
}