基于带跳跃连接的慢融合多输入分割急性缺血性卒中患者受损脑区
图像与视频处理
2023-08-22 v1 计算机视觉与模式识别
机器学习
摘要
时间是卒中治疗中的基本因素。一种快速、自动化的分割缺血区域的方法有助于治疗决策。在当今临床使用中,一组由计算机断层灌注(CTP)图像生成的彩色编码参数图被人工判读以决定治疗方案。我们提出一种基于神经网络的自动方法,利用一组参数图来分割受急性缺血性卒中影响患者的两个缺血区域(核心与半暗带)。我们的模型基于具有多输入与慢融合的卷积-反卷积瓶颈结构。基于 focal Tversky 指数的损失函数解决了数据不平衡问题。所提架构展现出有效性能,结果与神经放射科医生标注的真值相当。在大血管闭塞测试集上,半暗带 Dice 系数为 0.81,核心为 0.52。完整实现见:https://git.io/JtFGb。
引用
@article{arxiv.2203.10039,
title = {Multi-input segmentation of damaged brain in acute ischemic stroke patients using slow fusion with skip connection},
author = {Luca Tomasetti and Mahdieh Khanmohammadi and Kjersti Engan and Liv Jorunn Høllesli and Kathinka Dæhli Kurz},
journal= {arXiv preprint arXiv:2203.10039},
year = {2023}
}