基于堆叠 U-Net 的直接白质纤维束分割
计算机视觉与模式识别
2017-03-08 v1 神经元与认知
定量方法
摘要
在扩散加权 MRI 中自动分割白质纤维束的最先进方法是纤维束成像结合流线聚类选择。该过程涉及冗长的处理步骤链，不仅计算成本高，而且设置复杂，质量控制繁琐。直接纤维束分割方法将该任务视为传统的图像分割问题。虽然它们迄今未能提供有竞争力的结果，但有可能缓解上述许多问题。我们提出了一种新颖的监督式直接纤维束分割方法，显示出显著的性能提升。该方法基于堆叠 U-Net 架构，并在人类连接组计划受试者的手动纤维束分割数据上进行训练。我们使用 ISMRM 2015 纤维束成像挑战赛幻影数据集，在体内和计算机模拟环境中评估了我们的方法。我们达到了人类水平的分割性能，并相比以往流程取得了显著的性能提升。我们展示了学习到的空间先验如何有效引导分割，即使在较低图像质量下也仅有很小的质量损失。
引用
@article{arxiv.1703.02036,
title = {Direct White Matter Bundle Segmentation using Stacked U-Nets},
author = {Jakob Wasserthal and Peter F. Neher and Fabian Isensee and Klaus H. Maier-Hein},
journal= {arXiv preprint arXiv:1703.02036},
year = {2017}
}