DISARM++：超越无扫描仪协调化
计算机视觉与模式识别
2025-05-07 v1
摘要
协调化不同扫描仪间的 T1 加权 MR 图像对于确保神经影像学研究的一致性至关重要。本研究引入了一种直接图像协调化的新方法，超越了特征标准化，以确保提取的特征对于下游分析保持内在可靠性。我们的方法通过两种方式实现图像转换：(1) 将图像映射到一个无扫描仪空间，使所有扫描仪的图像外观统一；(2) 将图像转换到模型训练中使用的特定扫描仪的域中，嵌入其独特特征。我们的方法展现出强大的泛化能力，即使对于训练阶段未包含的未见扫描仪也是如此。我们使用来自不同队列的 MR 图像验证了我们的方法，包括健康对照、旅行受试者和阿尔茨海默病 (AD) 患者。该模型的有效性在多个应用中得到了测试，例如脑龄预测 (R2 = 0.60 ± 0.05)、生物标志物提取、AD 分类 (测试准确率 = 0.86 ± 0.03) 和诊断预测 (AUC = 0.95)。在所有情况下，我们的协调化技术都优于最先进的方法，在可靠性和预测准确性方面均有提升。此外，我们的方法消除了对诸如颅骨剥离等大量预处理步骤的需求，这些步骤可能因错误分类脑和非脑结构而引入误差。这使得我们的方法特别适用于需要全头分析的应用，包括头部创伤和颅骨畸形研究。此外，我们的协调化模型无需对新数据集进行重新训练，可以平滑地集成到各种神经影像工作流程中。通过确保扫描仪不变的图像质量，我们的方法为改善跨不同环境的神经影像学研究提供了一个稳健且高效的解决方案。代码可在本链接获取。
引用
@article{arxiv.2505.03715,
title = {DISARM++: Beyond scanner-free harmonization},
author = {Luca Caldera and Lara Cavinato and Alessio Cirone and Isabella Cama and Sara Garbarino and Raffaele Lodi and Fabrizio Tagliavini and Anna Nigri and Silvia De Francesco and Andrea Cappozzo and Michele Piana and Francesca Ieva},
journal= {arXiv preprint arXiv:2505.03715},
year = {2025}
}