任意分辨率与对比度脑 MRI 扫描的部分容积分割
计算机视觉与模式识别
2021-04-09 v3 机器学习
图像与视频处理
定量方法
摘要
部分容积（PV）效应可以说是基于概率图谱的脑 MRI 贝叶斯分割中最后一个关键性的未解难题。当体素包含多种组织类别时会发生 PV，由此产生的图像强度可能不代表任一底层类别。当图谱与测试扫描之间存在较大分辨率差距时，例如使用厚层片分割临床扫描或使用高分辨率图谱时，PV 对分割尤其成问题。在本工作中，我们提出 PV-SynthSeg，一种卷积神经网络（CNN），它通过直接学习（可能是多模态的）低分辨率（LR）扫描与底层高分辨率（HR）分割之间的映射来解决此问题。PV-SynthSeg 利用 PV 的生成模型从 HR 标签图模拟 LR 图像，并且可被训练用于分割任意期望目标对比度与分辨率的扫描，即便是对于在训练时既无图像也无分割的未见模态。PV-SynthSeg 不需要任何预处理，并在数秒内运行完成。我们在三个数据集与 2,680 张扫描上通过大量实验展示了该方法的准确性与灵活性。代码可在 https://github.com/BBillot/SynthSeg 获取。
引用
@article{arxiv.2004.10221,
title = {Partial Volume Segmentation of Brain MRI Scans of any Resolution and Contrast},
author = {Benjamin Billot and Eleanor D. Robinson and Adrian V. Dalca and Juan Eugenio Iglesias},
journal= {arXiv preprint arXiv:2004.10221},
year = {2021}
}
备注
12 pages, 7 figures