基于联合结构与扩散MRI的域无关丘脑核团分割
图像与视频处理
2023-10-16 v1 计算机视觉与模式识别
机器学习
定量方法
摘要
人脑丘脑是脑内高度连接的皮质下灰质结构，包含数十个功能与连接各异的核团，且受疾病影响不同。因此，利用MRI在体研究丘脑核团的兴趣日益增长。现有工具可从1 mm T1扫描分割丘脑，但外侧与内侧边界对比度过低，无法产生可靠分割。部分工具尝试在分割中融入扩散MRI信息以细化这些边界，但跨扩散MRI采集泛化性差。本文提出首个CNN，可从任意分辨率的T1与扩散数据分割丘脑核团，无需重训练或微调。我们的方法基于公开的丘脑核团组织学图谱，以及近期贝叶斯自适应分割工具在高质量扩散数据上获得的银标准分割；并结合近似退化模型以在训练中实现快速域随机化。我们的CNN不论输入分辨率如何，均输出0.7 mm各向同性分辨率的分割。此外，它采用每个体素扩散信号的简约模型（分数各向异性和主特征向量），兼容几乎任意方向集与b值，包括大量历史数据。我们在数十台不同扫描仪采集的三个异质数据集上展示了所提方法的结果。方法实现公开于https://freesurfer.net/fswiki/ThalamicNucleiDTI。
引用
@article{arxiv.2305.03413,
title = {Domain-agnostic segmentation of thalamic nuclei from joint structural and diffusion MRI},
author = {Henry F. J. Tregidgo and Sonja Soskic and Mark D. Olchanyi and Juri Althonayan and Benjamin Billot and Chiara Maffei and Polina Golland and Anastasia Yendiki and Daniel C. Alexander and Martina Bocchetta and Jonathan D. Rohrer and Juan Eugenio Iglesias},
journal= {arXiv preprint arXiv:2305.03413},
year = {2023}
}
备注
Under review