Brainchop：新一代基于网页的神经影像应用
机器学习
2023-10-26 v1
摘要
与传统后端工具相比，直接在浏览器内（尤其是使用医学数据）进行体素图像处理带来了前所未有的挑战。这些挑战源于浏览器环境固有的限制，如有限的计算资源与前端的机器学习库可用性。因此，能够提供全脑预处理与分割端到端解决方案、同时保障终端用户数据隐私与驻留的前端神经影像工具十分匮乏。有鉴于此，我们推出 Brainchop（http://www.brainchop.org）这一开创性的浏览器内神经影像工具，其利用预训练的全脑深度学习模型对结构 MRI 进行体素分析，且无需技术专长或繁琐配置。除致力于数据隐私外，该前端工具还提供可扩展性、低延迟、用户友好操作、跨平台兼容性与增强可及性等多重特性。本文概述了 Brainchop 的处理流程，并评估了模型在不同软件与硬件配置下的性能。结果表明，得益于鲁棒的 MeshNet 架构，即便在浏览器这一资源受限环境中，客户端处理体素数据也具有实用性。
引用
@article{arxiv.2310.16162,
title = {Brainchop: Next Generation Web-Based Neuroimaging Application},
author = {Mohamed Masoud and Pratyush Reddy and Farfalla Hu and Sergey Plis},
journal= {arXiv preprint arXiv:2310.16162},
year = {2023}
}