SegmentAnyBone：一个在MRI任意位置分割任意骨骼的通用模型
图像与视频处理
2024-01-24 v1 计算机视觉与模式识别
定量方法
摘要
磁共振成像（MRI）在放射学中至关重要，它提供了对人体非侵入性且高质量的洞察。将MRI精确分割为不同的器官和组织将非常有益，因为它可以更深入地理解图像内容，并实现重要的测量，这对于准确诊断和有效治疗规划至关重要。具体而言，在MRI中分割骨骼将有助于对肌肉骨骼状况进行更定量的评估，而此类评估在当前放射学实践中基本缺失。骨骼MRI分割的难度体现在公开可用的算法有限，且文献中包含的算法通常只针对特定的解剖区域。在我们的研究中，我们提出了一个通用的、公开可用的深度学习模型，用于在多个标准MRI扫描部位进行骨骼分割。所提出的模型可以在两种模式下运行：全自动分割和基于提示的分割。我们的贡献包括：（1）收集并标注了一个涵盖多种MRI协议的新MRI数据集，包含超过300个标注体和8485个标注切片，覆盖了不同的解剖区域；（2）研究了用于自动分割的几种标准网络架构和策略；（3）引入了SegmentAnyBone，这是一种创新的基础模型方法，扩展了Segment Anything Model（SAM）；（4）对我们的算法与先前方法进行了比较分析；（5）对我们的算法在不同解剖位置和MRI序列以及外部数据集上进行了泛化分析。我们在https://github.com/mazurowski-lab/SegmentAnyBone上公开发布了我们的模型。
引用
@article{arxiv.2401.12974,
title = {SegmentAnyBone: A Universal Model that Segments Any Bone at Any Location on MRI},
author = {Hanxue Gu and Roy Colglazier and Haoyu Dong and Jikai Zhang and Yaqian Chen and Zafer Yildiz and Yuwen Chen and Lin Li and Jichen Yang and Jay Willhite and Alex M. Meyer and Brian Guo and Yashvi Atul Shah and Emily Luo and Shipra Rajput and Sally Kuehn and Clark Bulleit and Kevin A. Wu and Jisoo Lee and Brandon Ramirez and Darui Lu and Jay M. Levin and Maciej A. Mazurowski},
journal= {arXiv preprint arXiv:2401.12974},
year = {2024}
}
备注
15 pages, 15 figures