脑磁共振图像中多发性硬化病灶分析：技术与临床应用
计算机视觉与模式识别
2022-01-31 v3 图像与视频处理
应用统计
摘要
多发性硬化（MS）是一种中枢神经系统的慢性炎性退行性疾病，其特征为白质与灰质中出现局灶性病灶，且在拓扑上与患者个体的神经症状和体征相关。磁共振成像（MRI）可提供详细的活体结构信息，从而实现对 MS 病灶的量化与分类，这对疾病管理至关重要。传统上，MS 病灶由人工在二维 MRI 切片上勾画，这一过程效率低下且易出现观察者间/观察者内误差。近来，基于 MRI 体素强度的自动统计影像分析技术被提出用于检测和分割 MS 病灶。然而，其效果受限于 MRI 数据采集技术的异质性及 MS 病灶表现的异质性。通过学习直接从图像中获得的复杂病灶表征，深度学习技术在 MS 病灶分割任务中取得了显著突破。在此，我们全面综述了最先进的自动统计与深度学习 MS 分割方法，并讨论了当前与未来的临床应用。此外，我们综述了诸如域适应等技术策略，以增强真实临床环境中的 MS 病灶分割。
引用
@article{arxiv.2104.10029,
title = {Multiple Sclerosis Lesion Analysis in Brain Magnetic Resonance Images: Techniques and Clinical Applications},
author = {Yang Ma and Chaoyi Zhang and Mariano Cabezas and Yang Song and Zihao Tang and Dongnan Liu and Weidong Cai and Michael Barnett and Chenyu Wang},
journal= {arXiv preprint arXiv:2104.10029},
year = {2022}
}
备注
Accepted to appear in IEEE Journal of Biomedical And Health Informatics