利用双视图互特征学习在低场MRI中进行双侧海马分割
图像与视频处理
2024-10-24 v1 计算机视觉与模式识别
摘要
脑部MRI中准确的海马分割对于研究认知和记忆功能以及诊断神经发育障碍至关重要。虽然高场MRI提供详细的成像，但低场MRI更易获得且成本效益更高，消除了儿童镇静的需要，尽管它们通常图像质量较低。在本文中，我们提出了一种新颖的深度学习方法，用于在低场MRI中自动分割双侧海马。将婴儿脑部分割的最新进展扩展到服务不足的社区，通过使用低场MRI确保更广泛地获得基本诊断工具，从而为所有儿童提供更好的医疗保健结果。受我们之前的工作Co-BioNet的启发，所提出的模型采用双视图结构，通过高频掩码实现互特征学习，利用来自不同视角的互补信息提高分割精度。大量实验表明，我们的方法在资源有限的环境中为海马分析提供了可靠的分割结果。代码公开于：https://github.com/himashi92/LoFiHippSeg。
引用
@article{arxiv.2410.17502,
title = {Bilateral Hippocampi Segmentation in Low Field MRIs Using Mutual Feature Learning via Dual-Views},
author = {Himashi Peiris and Zhaolin Chen},
journal= {arXiv preprint arXiv:2410.17502},
year = {2024}
}