面向解剖标志数据的纤维束全自动分割
计算机视觉与模式识别
2025-08-20 v2 机器学习
摘要
解剖标志研究对于验证和改进扩散MRI（dMRI）tracts（纤维束）追踪至关重要。然而，针对此类研究数据的大规模分析受限于在组织学切片上手动标注纤维束的繁琐过程。现有自动化方法常常漏检稀疏纤维束，或需要跨连续切片的复杂后处理，限制了其灵活性和可推广性。我们提出了一种基于U-Net架构、大规模补丁大小、前景感知抽样和半监督预训练的纤维束分割全自动框架。该方法消除了常见错误（如将终点误标为纤维束），显著提升稀疏纤维束检测率（提高20%以上），将假发现率（FDR）降低40%，同时支持独立切片的分析。该新框架将促进解剖标志数据在大规模上的自动化分析，生成更多可用于验证和优化dMRItracts追踪方法的真实标签数据。
引用
@article{arxiv.2508.12942,
title = {Fully Automated Segmentation of Fiber Bundles in Anatomic Tracing Data},
author = {Kyriaki-Margarita Bintsi and Yaël Balbastre and Jingjing Wu and Julia F. Lehman and Suzanne N. Haber and Anastasia Yendiki},
journal= {arXiv preprint arXiv:2508.12942},
year = {2025}
}
备注
Accepted at CDMRI, MICCAI 2025