基于集成方法的 CT 图像亚皮层掩码生成
图像与视频处理
2025-08-18 v1 计算机视觉与模式识别
摘要
亚皮层分割在神经影像中发挥着重要作用，对于理解脑解剖结构和促进创伤性脑损伤和神经退行性疾病的计算机辅助诊断至关重要。然而，训练准确的自动模型需要大量标注数据。尽管存在面向磁共振成像 (MRI) 的公开亚皮层分割数据集，但针对CT的公开数据集仍显不足。本文提出了一个自动集成框架，用于通过利用现有MRI-based模型生成CT扫描的高质量亚皮层分割标签。我们引入了一个稳健的集成管道，将其应用于未标注的配对MRI-CT数据， resulting in 一个全面的CT亚皮层分割数据集。在多个公开数据集上的大量实验表明，我们提出的框架性能卓越。此外，使用我们生成的CT数据集，我们训练的分割模型在相关分割任务上实现了 improved performance。为促进未来研究，我们在 https://github.com/SCSE-Biomedical-Computing-Group/CT-Subcortical-Segmentation 上公开源代码、生成的数据集和训练好的模型，这是我们所知最佳的CT亚皮层分割开源发布。
引用
@article{arxiv.2508.11450,
title = {Subcortical Masks Generation in CT Images via Ensemble-Based Cross-Domain Label Transfer},
author = {Augustine X. W. Lee and Pak-Hei Yeung and Jagath C. Rajapakse},
journal= {arXiv preprint arXiv:2508.11450},
year = {2025}
}