基于多任务脑龄预测的深度学习在无监督三维脑 MRI 异常检测中的应用
图像与视频处理
2022-02-01 v1 计算机视觉与模式识别
摘要
脑磁共振图像（MRI）中的病灶检测仍是一项具有挑战性的任务。MRI 通常由领域专家阅读和解释，这是一个繁琐且耗时的过程。近年来，基于深度学习的脑 MRI 无监督异常检测（UAD）在提供快速初步评估方面显示出有前景的结果。迄今为止，这些方法仅依赖健康脑解剖结构的视觉外观进行异常检测。脑龄与实足年龄之间的偏差是脑异常发育的另一个生物标志物，其与 UAD 结合尚未被探索。我们提出了考虑额外年龄信息的深度学习用于三维脑 MRI 的 UAD。我们分析了训练过程中年龄信息的价值，将其作为额外的异常分数，并系统地研究了若干架构设计。基于我们的分析，我们提出了一种新颖的带多任务年龄预测的深度学习 UAD 方法。我们使用 1735 名健康受试者的临床 T1 加权 MRI 和公开可用的 BraTs 2019 数据集进行研究。我们的新方法显著提升了 UAD 性能，AUC 达到 92.60%，而此前不使用年龄信息的方法 AUC 为 84.37%。
引用
@article{arxiv.2201.13081,
title = {Unsupervised Anomaly Detection in 3D Brain MRI using Deep Learning with Multi-Task Brain Age Prediction},
author = {Marcel Bengs and Finn Behrendt and Max-Heinrich Laves and Julia Krüger and Roland Opfer and Alexander Schlaefer},
journal= {arXiv preprint arXiv:2201.13081},
year = {2022}
}
备注
Accepted at SPIE Medical Imaging 2022