利用先进深度学习和数据增强开创腰椎 MRI 分割的精确性
图像与视频处理
2024-09-11 v1 计算机视觉与模式识别
摘要
本研究提出了一种利用深度学习技术进行腰椎分割的先进方法，重点关注解决类别不平衡和数据预处理等关键挑战。对腰痛患者的磁共振成像（MRI）扫描进行细致的预处理，以准确表示三个关键类别：椎骨、椎管和椎间盘（IVD）。通过在数据预处理阶段纠正类别不一致性，确保了训练数据的保真度。改进的 U-Net 模型融合了创新的架构增强，包括带有泄漏修正线性单元（ReLU）和 Glorot 均匀初始化器的上采样块，以缓解常见的“ReLU 死亡”问题并提高训练期间的稳定性。引入自定义的组合损失函数有效解决了类别不平衡问题，显著提高了分割精度。使用一套全面的评估指标展示了该方法的优越性能，超越了现有方法并推进了当前的腰椎分割技术。这些发现为增强腰椎 MRI 和分割诊断准确性带来了重大进展。
引用
@article{arxiv.2409.06018,
title = {Pioneering Precision in Lumbar Spine MRI Segmentation with Advanced Deep Learning and Data Enhancement},
author = {Istiak Ahmed and Md. Tanzim Hossain and Md. Zahirul Islam Nahid and Kazi Shahriar Sanjid and Md. Shakib Shahariar Junayed and M. Monir Uddin and Mohammad Monirujjaman Khan},
journal= {arXiv preprint arXiv:2409.06018},
year = {2024}
}