婴儿脑MRI中基于脑体积和分形维度的分割算法比较
计算机视觉与模式识别
2025-12-16 v1 人工智能
摘要
准确分割婴儿脑MRI对于量化结构和复杂性的发育变化至关重要。然而，持续的髓鞘化和减弱的组织对比度使得自动分割尤其具有挑战性。本研究系统比较了婴儿脑MRI分割精度及其对体积和分形维度（FD）估计的影响，使用Baby Open Brains（BOB）数据集（71个扫描，1-9个月）。评估了SynthSeg和SamSeg两种方法，使用Dice系数、交并比、95百分位Hausdorff距离和归一化互信息进行评估。SynthSeg在所有质量指标上均优于SamSeg（主要区域的平均Dice > 0.8），并提供的体积估计与手动参考相当接近（平均+4% [-28% - 71%]）。SamSeg系统性地高估了颅内积和全脑体积（平均+76% [-12% - 190%]）。分割精度随年龄而改善，这与髓鞘化期间组织对比度增加相一致。分形维度分析揭示了SynthSeg与专家分割之间存在显著的区域差异，Bland-Altman一致性限制指标表明分割相关的FD变异性超过了发育队列中大多数群体差异。体积和FD偏差在结构之间呈正相关，表明分割偏差直接影响FD估计。总体而言，SynthSeg为儿童MRI提供了最可靠的体积和FD结果，但由于分割相关的不确定性，体积和FD的小幅形态差异应谨慎解读。
引用
@article{arxiv.2512.12222,
title = {Comparison of different segmentation algorithms on brain volume and fractal dimension in infant brain MRIs},
author = {Nathalie Alexander and Arnaud Gucciardi and Umberto Michelucci},
journal= {arXiv preprint arXiv:2512.12222},
year = {2025}
}