利用银标准掩膜进行域适应的 FLAIR MRI 侧脑室分割
图像与视频处理
2023-07-18 v1 计算机视觉与模式识别
摘要
侧脑室体积（LVV）是临床研究的重要生物标志物。我们提出首个基于迁移学习的 FLAIR（液体衰减反转恢复）MRI 的 LVV 分割方法。为缓解源域与目标域间的协变量偏移，本工作提出一种域适应方法，在三个目标数据集上优化性能。利用一种新颖的常规图像处理脑室分割算法从目标域生成银标准（SS）掩膜，并用以补充来自源域（加拿大动脉粥样硬化成像网络，CAIN）的金标准（GS）数据。在来自四个数据集的留出测试集上测试了四种模型：1）SS+GS：在目标 SS 掩膜上训练并在源 GS 掩膜上微调；2）GS+SS：在源 GS 掩膜上训练并在目标 SS 掩膜上微调；3）仅在源 GS 上训练（GS CAIN Only）；4）仅在目标 SS 掩膜上训练（SS Only）。SS+GS 模型具有最佳且最一致的性能（平均 DSC = 0.89，CoV = 0.05），并在三个目标域上较 GS-only 模型显示出显著（p < 0.05）更高的 DSC。结果表明，用来自目标域的含噪标签预训练可使模型适应数据集特有特征并提供鲁棒的参数初始化，而用 GS 掩膜微调则使模型学习细节特征。该方法可广泛应用于标注数据稀缺的其他医学影像问题，并可用作逐数据集校准方法以加速大规模应用。
引用
@article{arxiv.2307.08456,
title = {Domain Adaptation using Silver Standard Masks for Lateral Ventricle Segmentation in FLAIR MRI},
author = {Owen Crystal and Pejman J. Maralani and Sandra Black and Alan R. Moody and April Khademi},
journal= {arXiv preprint arXiv:2307.08456},
year = {2023}
}
备注
16 pages, 3 figures