基于模板训练与视觉感知增强的脑 MRI 分割
图像与视频处理
2023-08-07 v1 计算机视觉与模式识别
定量方法
摘要
深度学习模型通常需要充足的训练数据以实现高精度，但获取标注数据耗时费力。本文提出一种基于模板的训练方法，仅使用一张群体平均脑 MRI 模板及其对应分割标签从头训练 3D U-Net 模型。该过程引入视觉感知增强，以提升模型处理多样图像输入的鲁棒性并缓解过拟合。利用该方法，我们训练了针对小鼠、大鼠、狨猴、恒河猴及人类脑 MRI 的 3D U-Net 模型，完成如颅骨剥离、脑分割及组织概率图绘制等分割任务。该工具有效解决了训练数据匮乏的问题，在拓展深度学习于图像分析中的应用方面潜力显著，为研究者提供了一种仅用单张图像样本训练深度神经网络的统一方案。
引用
@article{arxiv.2308.02363,
title = {Brain MRI Segmentation using Template-Based Training and Visual Perception Augmentation},
author = {Fang-Cheng Yeh},
journal= {arXiv preprint arXiv:2308.02363},
year = {2023}
}