用于前庭神经鞘瘤分割的弱无监督域适应
图像与视频处理
2023-03-14 v1 计算机视觉与模式识别
摘要
前庭神经鞘瘤（VS）是位于耳旁的非癌性肿瘤，可导致听力损失。从患者获取的大多数脑MRI图像为对比增强T1（ceT1），而高分辨率T2图像（hrT2）因无需使用对比剂正日益受到关注以替代ceT1。由于hrT2图像目前稀缺，训练鲁棒的机器学习模型来分割VS或其他脑结构的可能性较低。本工作中，我们提出一种弱监督机器学习方法，仅从ceT1扫描中学习，并适应于从hrT2扫描中分割两个结构：来自crossMoDA数据集的VS与耳蜗。我们的模型1）从ceT1图像与分割掩膜生成伪hrT2扫描，2）使用伪hrT2扫描训练，3）预测增强的真实hrT2扫描，4）使用伪与真实hrT2再次重训练。该模型的最终结果计算于2022年crossMoDA挑战赛组织者提供的未见测试数据集上。平均Dice分数与平均对称表面距离（ASSD）分别为0.78与0.46。预测的分割掩膜在VS上取得Dice分数0.83与ASSD 0.56，在耳蜗上取得Dice分数0.74与ASSD 0.35。
引用
@article{arxiv.2303.07093,
title = {Weakly Unsupervised Domain Adaptation for Vestibular Schwannoma Segmentation},
author = {Shahad Hardan and Hussain Alasmawi and Xiangjian Hou and Mohammad Yaqub},
journal= {arXiv preprint arXiv:2303.07093},
year = {2023}
}