k-strip：一种用于颅骨剥离的 k 空间新颖分割算法
图像与视频处理
2023-07-10 v2 计算机视觉与模式识别
机器学习
摘要
目的：提出一种基于深度学习的、直接作用于信息丰富的 k 空间、用于磁共振成像（MRI）的新型颅骨剥离算法。材料与方法：使用来自不同机构的两个数据集共 36,900 张 MRI 切片，我们训练了一个直接处理复数原始 k 空间数据的深度学习模型。图像域中由 HD-BET（脑提取工具）执行的颅骨剥离结果被用作金标准。结果：两个数据集均与金标准非常接近（DICE 系数 92%–98%，豪斯多夫距离小于 5.5 mm）。眼睛区域以上切片的结果 DICE 系数高达 99%，而在眼睛周围及以下的区域精度下降，输出部分模糊。k-strip 的输出常在颅骨分界处平滑边缘。通过适当阈值生成二值掩码。结论：通过本概念验证研究，我们展示了在保留相位信息的 k 空间频域中工作的可行性，且结果一致。未来研究应致力于发现 k 空间用于创新图像分析与进一步工作流的更多方式。
引用
@article{arxiv.2205.09706,
title = {k-strip: A novel segmentation algorithm in k-space for the application of skull stripping},
author = {Moritz Rempe and Florian Mentzel and Kelsey L. Pomykala and Johannes Haubold and Felix Nensa and Kevin Kröninger and Jan Egger and Jens Kleesiek},
journal= {arXiv preprint arXiv:2205.09706},
year = {2023}
}
备注
11 pages, 6 figures, 2 tables