基于多种卷积神经网络的癫痫与阿尔茨海默病研究中的海马分割
图像与视频处理
2021-02-12 v2 计算机视觉与模式识别
机器学习
摘要
磁共振成像中的海马分割对于神经精神疾病的诊断、治疗决策和调查研究至关重要。自动分割是一个活跃的研究领域，近期许多模型使用了深度学习。当前大多数最先进的海马分割方法在来自公共数据集的健康人或阿尔茨海默病患者上训练其方法。这引发了一个问题：这些方法能否在不同领域（即接受海马切除的癫痫患者）中识别海马。本文我们提出了一种最先进的、开源的、即开即用的、基于深度学习的海马分割方法。它采用扩展的二维多朝向方法，具有自动预处理和朝向对齐。该方法使用 HarP（一个公共阿尔茨海默病海马分割数据集）开发和验证。我们在两个领域中将该方法与其他近期深度学习方法进行测试：HarP 测试集和一个名为 HCUnicamp 的院内癫痫数据集（包含海马切除）。我们表明，我们的方法虽仅在 HarP 上训练，却在 HarP 测试集和 HCUnicamp 的 Dice 系数上均超越文献中的其他方法。此外，我们还单独报告了在 HCUnicamp 体积上训练和测试的结果，以及癫痫与阿尔茨海默数据交叉训练和测试的比较。尽管当前最先进的方法（包括我们自己的）在 HarP 中达到 0.9 以上的 Dice 系数，所有被测方法（包括我们自己的）在 HCUnicamp 切除区域均产生了假阳性，表明涉及切除的海马分割方法仍有改进空间。
引用
@article{arxiv.2001.05058,
title = {Hippocampus Segmentation on Epilepsy and Alzheimer's Disease Studies with Multiple Convolutional Neural Networks},
author = {Diedre Carmo and Bruna Silva and Clarissa Yasuda and Letícia Rittner and Roberto Lotufo},
journal= {arXiv preprint arXiv:2001.05058},
year = {2021}
}
备注
Code is available at https://github.com/dscarmo/e2dhipseg Published in Heliyon: https://www.sciencedirect.com/science/article/pii/S2405844021003315