FastSurfer——一种基于深度学习的快速精准神经影像处理流水线
图像与视频处理
2020-06-11 v4 计算机视觉与模式识别
神经元与认知
摘要
传统的神经影像分析流水线涉及计算密集、耗时的优化步骤，因此难以扩展到包含数千乃至数万个体的大型队列研究。在这项工作中，我们提出了一种基于深度学习的快速精准神经影像处理流水线，用于结构化人脑 MRI 扫描的自动化处理，复现 FreeSurfer 的解剖分割，包括表面重建与皮层分区。为此，我们引入了一种先进的深度学习架构，能够将全脑分割为 95 类。该网络架构通过竞争密集块和竞争跳跃路径引入局部与全局竞争，以及多切片信息聚合，从而专门优化网络性能以准确分割皮层与皮下结构。此外，我们通过引入谱球面嵌入并将皮层标签直接从图像映射到表面，实现了快速的皮层表面重建与厚度分析。该方法提供了完整的 FreeSurfer 替代方案，用于体积分析（不到 1 分钟）和基于表面的厚度分析（仅需约 1 小时运行时间）。为保障该方法的可持续性，我们进行了广泛验证：在多个未见数据集上确认高分割精度，衡量泛化能力，并展示更高的重测可靠性以及对痴呆组间差异的高敏感性。
引用
@article{arxiv.1910.03866,
title = {FastSurfer -- A fast and accurate deep learning based neuroimaging pipeline},
author = {Leonie Henschel and Sailesh Conjeti and Santiago Estrada and Kersten Diers and Bruce Fischl and Martin Reuter},
journal= {arXiv preprint arXiv:1910.03866},
year = {2020}
}
备注
Submitted to NeuroImage