用于受运动伪影影响的新生儿脑部 MRI 分割的生成对抗网络
图像与视频处理
2019-06-12 v1 计算机视觉与模式识别
摘要
早产儿新生儿脑部组织的自动分割是评估脑发育的前提。然而，自动分割常受图像采集过程中婴儿头部运动引起的运动伪影所阻碍。已有方法利用频域数据在图像重建时去除或最小化这些伪影。但频域数据未必总可获得。因此，在本研究中我们提出一种从已重建的 MR 扫描中去除运动伪影的方法。该方法采用以循环一致性损失训练的生成对抗网络，将受运动影响的切片转换为无运动伪影的切片，反之亦然。实验中使用了 40 例胎龄 30 周早产儿的 T2 加权冠状位 MR 扫描。所有图像均包含妨碍自动组织分割的受运动伪影影响的切片。为评估校正是否允许更准确的图像分割，将图像分割为 8 类组织：小脑、髓鞘化白质、基底节与丘脑、脑室脑脊液、白质、脑干、皮质灰质及脑外脑脊液。使用 5 分制 Likert 量表对运动校正后的图像及相应分割进行定性评估。在运动伪影校正前，图像中位质量与相应自动分割质量分别被评为 2 分（差）和 3 分（中等）；校正后两者分别提升至 3 分和 4 分。结果表明，使用所提方法在图像空间中对运动伪影进行校正，可对受运动伪影影响的切片中的脑组织类别进行准确分割。
引用
@article{arxiv.1906.04704,
title = {Generative adversarial network for segmentation of motion affected neonatal brain MRI},
author = {N. Khalili and E. Turk and M. Zreik and M. A. Viergever and M. J. N. L. Benders and I. Isgum},
journal= {arXiv preprint arXiv:1906.04704},
year = {2019}
}
备注
Accepted in Medical Image Computing and Computer Assisted Intervention 2019