针对轻度至中度神经病理脑 MRI 扫描的高效脑部提取
图像与视频处理
2026-04-16 v1 人工智能
计算机视觉与模式识别
摘要
skull stripping 是从人脑 MRI 图像中去除头骨的重要过程，广泛应用于自动脑结构分割等图像处理技术。虽然已developed 众多方法，但这些方法在存在神经病理时往往失败，且在定义脑掩模边界时表现不一致。本文提出一种新颖的方法，用于 robust and efficient 地进行 T1 加权图像的脑骨分离，旨在 consistently 分割脑外表面，包括颞沟脑脑液 (CSF)，同时排除颅内膜和亚颅骨空间的全部范围。我们在银标准真实数据上训练了修改版 U-net，使用基于符号距离变换 (SDT) 的 novel loss函数。我们既用训练数据集中保留下的数据，对模型进行了定性和定量验证，也用独立的外部数据集进行了验证。虽然用于评估的脑掩模部分或全部包含亚颅骨空间，可能引入比较偏差，但我们的模型在保留测试数据上表现良好，实现了 consistent 平均 Dice 相似系数 (DSC) 为 0.964±0.006，平均对称表面距离 (ASSD) 为 1.4mm±0.2mm。外部数据集的性能相当，DSC 为 0.958±0.006，ASSD 为 1.7±0.2mm。我们的方法在脑外表面保持 consistency 方面表现优于或相当于现有的 state-of-the-art 方法。该方法已公开于 GitHub。
引用
@article{arxiv.2602.08764,
title = {Efficient Brain Extraction of MRI Scans with Mild to Moderate Neuropathology},
author = {Hjalti Thrastarson and Lotta M. Ellingsen},
journal= {arXiv preprint arXiv:2602.08764},
year = {2026}
}
备注
Accepted for publication in the Proceedings of SPIE Medical Imaging 2026