基于傅里叶解耦多模态先验知识融合的脑MRI红核分割
图像与视频处理
2022-11-03 v1 计算机视觉与模式识别
机器学习
摘要
帕金森综合征的早期准确诊断对于为患者提供适当护理以及纳入治疗试验至关重要。红核是中脑的一个结构，在这些疾病中发挥重要作用。它可以使用铁敏感磁共振成像（MRI）序列进行可视化。通过MRI可产生不同的铁敏感对比度。组合此类多模态数据有潜力改善红核的分割。当前的多种模态分割算法计算消耗大，无法处理缺失模态，且需要所有模态的标注。在本文中，我们提出一种新模型，该模型整合来自不同对比度的先验知识用于红核分割。该方法由三个主要阶段组成。首先，它将图像解耦为表示脑结构的高层信息和表示对比度的低频信息。然后将高频信息输入网络以学习解剖特征，而多模态低频信息列表由另一模块处理。最后，执行特征融合以完成分割任务。所提方法使用了多种铁敏感对比度（iMag、QSM、R2*、SWI）。实验表明，在训练集规模极小时，我们提出的模型大幅优于基线UNet模型。
引用
@article{arxiv.2211.01353,
title = {Fourier Disentangled Multimodal Prior Knowledge Fusion for Red Nucleus Segmentation in Brain MRI},
author = {Guanghui Fu and Gabriel Jimenez and Sophie Loizillon and Rosana El Jurdi and Lydia Chougar and Didier Dormont and Romain Valabregue and Ninon Burgos and Stéphane Lehéricy and Daniel Racoceanu and Olivier Colliot and the ICEBERG Study Group},
journal= {arXiv preprint arXiv:2211.01353},
year = {2022}
}