基于时间差权重的MS lesion纵向分割
图像与视频处理
2024-09-23 v1 计算机视觉与模式识别
机器学习
摘要
准确分割Multiple Sclerosis（MS）纵向MRI扫描中的lesion对于监测疾病进展和治疗疗效至关重要。虽然在临床实践中会考虑不同时间点图像之间的变化，但大多数现有深度学习方法会分别处理来自不同时间点的扫描。对于利用纵向图像的研究，通道级拼接是主要且次优的用于整合时间点的方法。我们引入一种新方法，通过一种独特的架构归线偏置称为Difference Weighting Block（差异权重块）来显式地整合基线扫描和随访扫描之间的时间差。我们在两个数据集上实现了lesion分割（Dice得分、Hausdorff距离）以及lesion检测（lesion级 得分）的优异成绩，优于基于纵向和单时间点模型的最先进技术。我们的代码已公开发布于 www.github.com/MIC-DKFZ/Longitudinal-Difference-Weighting。
引用
@article{arxiv.2409.13416,
title = {Longitudinal Segmentation of MS Lesions via Temporal Difference Weighting},
author = {Maximilian Rokuss and Yannick Kirchhoff and Saikat Roy and Balint Kovacs and Constantin Ulrich and Tassilo Wald and Maximilian Zenk and Stefan Denner and Fabian Isensee and Philipp Vollmuth and Jens Kleesiek and Klaus Maier-Hein},
journal= {arXiv preprint arXiv:2409.13416},
year = {2024}
}
备注
Accepted at MICCAI 2024 LDTM