用于域适应的合成磁共振图像：在胎儿脑组织分割中的应用

在子宫内对发育中人类大脑的定量评估对于充分理解神经发育至关重要。因此，正在开发自动化的多组织胎儿脑分割算法，而这些算法反过来需要带标注的数据进行训练。然而，可用的标注胎儿脑数据集在数量和异质性上均有限，阻碍了用于鲁棒分割的域适应策略。在此背景下，我们使用FaBiAN（一种胎儿脑磁共振采集数值体模）来模拟胎儿脑的各种逼真磁共振图像及其类别标签。我们证明，这些零成本生成且进一步使用目标超分辨率技术重建的多个合成标注数据，可成功用于分割七种脑组织的深度学习方法的域适应。总体而言，分割精度显著提升，尤其在皮质灰质、白质、小脑、深部灰质和脑干中。