用于多站点与全生命周期脑颅骨剥离的即插即用形状精修框架

颅骨剥离是脑磁共振图像（MRI）分析中的关键预处理步骤。尽管已提出许多优秀工作或工具，它们仍存在泛化能力低的问题。例如，在特定成像参数数据集上训练的模型无法很好地应用于具有不同成像参数的其他数据集。尤其是针对全生命周期数据集，由于领域差异大，在成人数据集上训练的模型不适用于婴儿数据集。为解决该问题，人们提出了众多方法，其中基于特征对齐的领域自适应最为常见。遗憾的是，该方法存在一些固有缺陷，需为每个新领域重新训练，且需同时访问两个领域的输入图像。本文中，我们设计了一种用于多站点与全生命周期颅骨剥离的即插即用形状精修（PSR）框架。为应对多站点全生命周期数据集间的领域偏移，我们利用对成像参数和年龄均不变的脑形状先验。实验表明，我们的框架在多站点全生命周期数据集上优于最先进的方法。