基于生成神经元的级联模型实现机器无关的腰椎MRI自动分割
图像与视频处理
2024-11-26 v1 计算机视觉与模式识别
机器学习
摘要
自动腰椎分割对于现代诊断系统至关重要。我们提出了一种新颖的机器无关方法，用于从MRI图像中分割腰椎椎体和椎间盘，采用级联模型，结合了感兴趣区域（ROI）检测和基于自组织运算神经网络（Self-ONN）的编码器-解码器网络进行分割。针对多样化的MRI模态挑战，我们的方法利用了一个包含来自12台扫描仪和34名受试者图像的独特数据集，并通过策略性数据增强技术进行增强。YOLOv8中等模型在ROI提取方面表现出色，达到了0.976的mAP分数。值得注意的是，我们的基于Self-ONN的模型结合DenseNet121编码器，在腰椎椎体和椎间盘分割中表现出色，平均交并比（IoU）为83.66%，灵敏度为91.44%，Dice相似系数（DSC）为91.03%，并通过严格的10折交叉验证进行了验证。这项研究不仅展示了脊柱相关疾病MRI分割的有效方法，也为未来自动化诊断工具的进步奠定了基础，强调了进一步扩展数据集和优化模型以实现更广泛临床应用的必要性。
引用
@article{arxiv.2411.15656,
title = {Machine-agnostic Automated Lumbar MRI Segmentation using a Cascaded Model Based on Generative Neurons},
author = {Promit Basak and Rusab Sarmun and Saidul Kabir and Israa Al-Hashimi and Enamul Hoque Bhuiyan and Anwarul Hasan and Muhammad Salman Khan and Muhammad E. H. Chowdhury},
journal= {arXiv preprint arXiv:2411.15656},
year = {2024}
}
备注
19 Pages, 11 Figures, Expert Systems with Applications, 2024