高分辨率的脑下视丘及其亚区域分割用于分割模型训练
图像与视频处理
2024-07-01 v1 计算机视觉与模式识别
摘要
脑结构在磁共振成像（MRI）上的分割是一项高度相关的神经影像学主题，因为这是进行不同分析（如体积或形状分析）的前提。自动化分割相对于手动分割更容易用于较大队列的研究。然而，大多数自动化方法的开发依赖于大型手动注释数据集，这限制了这些方法的通用性。最近，新技术使用合成图像，显著减少了对手动注释的需求。本文提供了 HELM（Hypothalamic ex vivo Label Maps），一个由来自10个完整半球的超高分辨率体外 MRI 的标签图组成的数据集，可用于使用合成数据开发分割方法。标签图是通过将下视丘区域的手动标签与大脑其余部分的自动分割相结合，并镜像模拟整个大脑而获得的。我们还提供了预处理的体外扫描，尽管该数据集可以支持未来项目在这些被手动分割后包括其他结构。
引用
@article{arxiv.2406.19492,
title = {High-resolution segmentations of the hypothalamus and its subregions for training of segmentation models},
author = {Livia Rodrigues and Martina Bocchetta and Oula Puonti and Douglas Greve and Ana Carolina Londe and Marcondes França and Simone Appenzeller and Leticia Rittner and Juan Eugenio Iglesias},
journal= {arXiv preprint arXiv:2406.19492},
year = {2024}
}