重连脑分割发展：利用成人脑先验增强婴儿MRI分割
图像与视频处理
2025-10-13 v1 计算机视觉与模式识别
摘要
婴儿脑MRI的精确分割对于研究早期神经发育和诊断神经系统疾病至关重要。然而，由于受试者解剖结构持续变化、运动伪影以及高质量标注数据的稀缺，这仍然是一个基本挑战。在本工作中，我们提出了LODi，一个利用成人脑MRI分割模型的先验知识来增强婴儿扫描分割性能的新型框架。鉴于公开可用的成人脑MRI数据丰富，我们首先在大规模成人数据集上预训练一个分割模型作为起点。通过迁移学习和域适应策略，我们逐步将模型适配到0-2岁人群，使其能够考虑婴儿扫描中典型的解剖和成像变异性。成人模型的适配利用FreeSurfer获取的银标准标注标签，在婴儿脑扫描上进行弱监督学习。通过引入一种结合层次化特征精炼和多级一致性约束的新型训练策略，我们的方法实现了快速、准确、年龄自适应分割，同时减轻了扫描仪和站点特定的偏差。在内部和外部数据集上的广泛实验证明了我们的方法优于传统监督学习和领域特定模型。我们的发现强调了利用成人脑先验作为年龄灵活神经影像分析基础的优势，为整个生命周期内更可靠和可泛化的脑MRI分割铺平了道路。
引用
@article{arxiv.2510.09306,
title = {Rewiring Development in Brain Segmentation: Leveraging Adult Brain Priors for Enhancing Infant MRI Segmentation},
author = {Alemu Sisay Nigru and Michele Svanera and Austin Dibble and Connor Dalby and Mattia Savardi and Sergio Benini},
journal= {arXiv preprint arXiv:2510.09306},
year = {2025}
}