基于多视角二维卷积神经网络快速婴幼儿 MRI 颅骨剥离
计算机视觉与模式识别
2019-04-30 v1 图像与视频处理
摘要
颅骨剥离定义为从全头磁共振图像（MRI）中分割脑组织的任务。它是神经影像处理流程中的关键组成部分。下游的可变形配准与全脑分割性能高度依赖于准确的颅骨剥离。由于该年龄段头部与大脑的尺寸和形状存在显著变异性，婴幼儿（年龄范围 0–18 个月）头部 MRI 图像的颅骨剥离尤其具有挑战性。婴幼儿脑组织的发育也会随时间改变 加权图像对比度，使得一致的颅骨剥离成为困难任务。现有的成人脑 MRI 颅骨剥离工具难以应对这些变异，因而有必要专门的婴幼儿 MRI 颅骨剥离算法。本文描述了一种有监督颅骨剥离算法，其利用三个训练好的全卷积神经网络（CNN），分别分割轴状、冠状和矢状视角的二维 加权切片。三个视角下的三个概率分割结果被线性融合并阈值化以产生最终的脑掩码。我们将方法与现有的成人和婴幼儿颅骨剥离算法比较，并基于 Dice 重叠度量（平均 Dice 为 0.97）对照手动标注的真值数据集显示出显著提升。在多个未标注数据集上的标签融合实验表明，我们的方法具有一致性且失败模式更少。此外，我们的方法计算非常快，在 NVidia P40/P100/Quadro 4000 GPU 上每幅图像运行时间为 30 秒。
引用
@article{arxiv.1904.12101,
title = {Fast Infant MRI Skullstripping with Multiview 2D Convolutional Neural Networks},
author = {Amod Jog and P. Ellen Grant and Joseph L. Jacobson and Andre van der Kouwe and Ernesta M. Meintjes and Bruce Fischl and Lilla Zöllei},
journal= {arXiv preprint arXiv:1904.12101},
year = {2019}
}