CAS-Net：用于胎儿 MRI 的条件图谱生成与脑分割
图像与视频处理
2022-05-18 v1 计算机视觉与模式识别
摘要
胎儿磁共振成像（MRI）用于产前诊断和评估早期大脑发育。不同脑组织的精确分割是若干脑分析任务（如皮层表面重建和组织厚度测量）中的关键步骤。然而，胎儿 MRI 扫描容易受到运动伪影的影响，这可能影响手动和自动分割技术的正确性。本文提出一种新颖的网络结构，能够同时生成条件图谱并预测脑组织分割，称为 CAS-Net。条件图谱提供的解剖先验可以约束分割的连通性，尽管运动或部分容积效应导致强度值存在异质性。所提方法在来自发育中人类连接组计划（dHCP）的 253 名受试者上进行了训练和评估。结果表明，所提方法能够生成具有清晰边界和形状方差的特定年龄条件图谱。它还能对胎儿 MRI 进行多类别脑组织分割，对于选定的 9 个组织标签，总体 Dice 相似系数（DSC）高达 。
引用
@article{arxiv.2205.08239,
title = {CAS-Net: Conditional Atlas Generation and Brain Segmentation for Fetal MRI},
author = {Liu Li and Qiang Ma and Matthew Sinclair and Antonios Makropoulos and Joseph Hajnal and A. David Edwards and Bernhard Kainz and Daniel Rueckert and Amir Alansary},
journal= {arXiv preprint arXiv:2205.08239},
year = {2022}
}