基于全卷积神经网络的脑 MRI 多发性硬化病灶分割
计算机视觉与模式识别
2018-03-28 v1
摘要
多发性硬化是一种导致中枢神经系统出现病灶的自身免疫性疾病。磁共振（MR）图像提供了充足的成像对比度，以可视化和检测病灶，特别是白质中的病灶。基于病灶各种特征的定量测量已被证明在评估疗法的临床试验中非常有用。因此，从 MR 图像中鲁棒且准确地分割白质病灶可以提供关于疾病状态和进展的重要信息。在本文中，我们提出了一种基于全卷积神经网络（CNN）的方法，用于从多对比度 MR 图像中分割白质病灶。所提出的基于 CNN 的方法包含两条卷积路径。第一条路径由多个平行的卷积滤波器组组成，以适应多种 MR 模态。在第二条路径中，将第一条路径的输出拼接，并应用另一组卷积滤波器。最后一条路径的输出产生病灶的隶属度函数，可通过阈值化获得二值分割。所提出的方法在包含 100 名 MS 患者的数据集以及包含 14 名患者的 ISBI 2015 挑战数据上进行了评估。与四种公开可用的 MS 病灶分割方法进行了比较。在各种指标（如 Dice 和假阳性率）上，分割质量相比竞争方法均有显著提升。在 ISBI 2015 挑战数据上评估时，我们的方法获得了 90.48 的分数，其中 90 分被认为可与人类评估者相媲美。
引用
@article{arxiv.1803.09172,
title = {Multiple Sclerosis Lesion Segmentation from Brain MRI via Fully Convolutional Neural Networks},
author = {Snehashis Roy and John A. Butman and Daniel S. Reich and Peter A. Calabresi and Dzung L. Pham},
journal= {arXiv preprint arXiv:1803.09172},
year = {2018}
}
备注
Submitted to NeuroImage