脑 MRI 数据预处理对肿瘤分割的微小影响
图像与视频处理
2023-10-24 v4 计算机视觉与模式识别
摘要
由于设备制造商、扫描协议和受试者间差异的不同，磁共振成像（MRI）数据具有异质性。缓解 MR 图像异质性的常规方法是应用预处理变换，如解剖对齐、体素重采样、信号强度均衡、图像去噪和感兴趣区域定位。尽管预处理流程可标准化图像外观，但其对深度神经网络中图像分割质量及其他下游任务的影响从未被严格研究。我们在三个公开可用数据集上开展实验，评估不同预处理步骤在数据集内与跨数据集训练场景中的效果。我们的结果表明，大多数流行的标准化步骤对网络性能无增益； moreover，预处理可能妨碍模型性能。我们推测，图像强度归一化方法无助于模型精度，是因为图像标准化降低了信号方差。最后，我们表明，若以估计肿瘤体积衡量，颅骨剥离在数据预处理中的贡献几乎可忽略。我们展示，准确的深度学习分析唯一必要的变换是数据集体素间距的统一。相反，以非刚性图谱配准形式出现的受试者间解剖对齐并非必要，且强度均衡步骤（去噪、偏置场校正和直方图匹配）不能改善模型性能。研究代码在线可获取 https://github.com/MedImAIR/brain-mri-processing-pipeline
引用
@article{arxiv.2204.05278,
title = {Negligible effect of brain MRI data preprocessing for tumor segmentation},
author = {Ekaterina Kondrateva and Polina Druzhinina and Alexandra Dalechina and Svetlana Zolotova and Andrey Golanov and Boris Shirokikh and Mikhail Belyaev and Anvar Kurmukov},
journal= {arXiv preprint arXiv:2204.05278},
year = {2023}
}