DeepBundle：基于图卷积神经网络的纤维束分割
图像与视频处理
2019-12-24 v2 人工智能
机器学习
摘要
全脑纤维束成像流线的分割是进行基于纤维束的脑白质微结构分析的重要步骤。现有的纤维分割方法依赖于图谱与个体纤维束图之间的精确配准，然而由于较大的个体差异，实践中难以保证精确配准。为解决此问题，我们提出一种名为DeepBundle的新型深度学习方法，用于无配准的纤维分割。我们的方法利用图卷积神经网络（GCNNs）预测每条纤维束的分割标签。GCNNs能够提取每条纤维束的几何特征，并利用所得特征进行准确的纤维分割，从而最终避免使用图谱及任何配准方法。我们使用人类连接组计划（Human Connectome Project）的数据评估DeepBundle。实验结果证明了DeepBundle的优势，并表明从每条纤维束提取的几何特征可有效用于纤维束分割。
引用
@article{arxiv.1906.03051,
title = {DeepBundle: Fiber Bundle Parcellation with Graph Convolution Neural Networks},
author = {Feihong Liu and Jun Feng and Geng Chen and Ye Wu and Yoonmi Hong and Pew-Thian Yap and Dinggang Shen},
journal= {arXiv preprint arXiv:1906.03051},
year = {2019}
}
备注
8 pages