缺失模态下 MRI 图像医学图像分割：综述
图像与视频处理
2022-03-15 v1 计算机视觉与模式识别
摘要
处理磁共振成像（MRI）中的缺失模态并克服其负面影响被视为生物医学成像中的一大障碍。根据扫描场景和解剖部位选定的特定模态组合将为医疗从业者提供关于人体感兴趣区域的完整信息，因此缺失的 MRI 序列应予以补偿。由于缺失一种或多种模态导致有用信息丢失的不良影响的补偿，是计算机视觉领域众所周知的挑战，特别是对于包括肿瘤分割、组织分类和图像生成在内的医学图像处理任务。随着时间的推移，已开发出各种方法来减轻该问题的负面影响，本文献综述详述了大量旨在如此的网络。本工作中综述的方法被详细回顾，包括早期技术（如合成方法）以及后期采用深度学习的方法，如公共潜在空间模型、知识蒸馏网络、互信息最大化和生成对抗网络（GANs）。本工作讨论了撰写时已被提出的最重要方法，考察了每种方法的新颖性、优势与不足。此外，重点突出并描述了最常用的 MRI 数据集。本研究的主要目标是提供缺失模态补偿网络的性能评估，并概述应对此问题的未来策略。
引用
@article{arxiv.2203.06217,
title = {Medical Image Segmentation on MRI Images with Missing Modalities: A Review},
author = {Reza Azad and Nika Khosravi and Mohammad Dehghanmanshadi and Julien Cohen-Adad and Dorit Merhof},
journal= {arXiv preprint arXiv:2203.06217},
year = {2022}
}