面向非侵入式脑刺激的个性化深部脑结构端到端语义分割
图像与视频处理
2020-04-29 v1 机器学习
神经元与认知
摘要
深部脑区的电刺激或调制常用于治疗多种神经系统疾病的临床操作。其中,经颅直流电刺激(tDCS)作为一种可负担的临床应用被广泛使用,其通过贴附于头皮的电极施加。然而,由于解剖结构复杂及受试者间高度变异性,难以确定不同脑区中电场(EF)的量值与分布。个性化tDCS是一种新兴临床操作,用于耐受电极放置以实现精准靶向,该过程由基于MRI等解剖图像生成的计算头部模型引导。在分割头部模型中EF的分布可通过仿真研究计算。因此,对不同脑结构进行快速、准确且可行的分割将有助于定制化tDCS研究的更好调整。本研究提出一种单编码器多解码器卷积神经网络用于深部脑分割,所提架构经训练使用T1加权MRI分割七种深部脑结构。网络生成模型与半自动方法构建的参考模型相比较,在丘脑(Dice系数(DC)=94.70%)、尾状核(DC=91.98%)与壳核(DC=90.31%)结构中呈现高度吻合。tDCS期间生成模型与参考模型中的电场分布彼此匹配良好,表明其在临床实践中的潜在效用。
引用
@article{arxiv.2002.05487,
title = {End-to-end semantic segmentation of personalized deep brain structures for non-invasive brain stimulation},
author = {Essam A. Rashed and Jose Gomez-Tames and Akimasa Hirata},
journal= {arXiv preprint arXiv:2002.05487},
year = {2020}
}
备注
To appear in Neural Networks