高场MRI数据中的亚旞状核分割：模板共配准空间归一化是否必要？
图像与视频处理
2024-07-23 v1 计算机视觉与模式识别
摘要
深部脑刺激(DBS)是最成功的降低晚期帕金棄病(PD)症状的方法。这是一项精细的手术程序，需要详细的患者前期研究。高场磁共振成像(MRI)已证明其在捕获亚旞状核(STN)—PD中DBS的主要靶标—方面比低场图像具有更大的捕获能力。本文比较了两种不同深度学习(DL)自动分割架构的性能：一种基于与大脑模板的注册，另一种在MRI采集的本征空间中进行分割。该研究基于公开的高场7特斯拉(T)脑MRI数据集，包括T1加权和T2加权序列。nnUNet用于两个架构的分割步骤，而数据预处理和后处理管道则各异。评估指标显示，针对STN分割，直接在本征空间进行分割的结果更好，尽管对其他分析结构（红核RN和亚岷核SN）没有任何优势：模板基于的方法。
引用
@article{arxiv.2407.15485,
title = {Subthalamic Nucleus segmentation in high-field Magnetic Resonance data. Is space normalization by template co-registration necessary?},
author = {Tomás Lima and Igor Varga and Eduard Bakštein and Daniel Novák and Victor Alves},
journal= {arXiv preprint arXiv:2407.15485},
year = {2024}
}