DS6 UNetMSS3D Wdeform

🚀 DS6_UNetMSS3D_wDeform

大腦血管為人類大腦提供所需的營養和氧氣。作為腦供血的脆弱部分，小血管病變會引發諸如腦小血管病（CSVD）等嚴重問題。研究表明，CSVD與神經退行性疾病（如阿爾茨海默病）相關。隨著7特斯拉MRI系統的發展，圖像空間分辨率得以提高，能夠描繪大腦中的微小血管。基於非深度學習的血管分割方法，如Frangi血管增強及後續閾值處理，能夠分割中大型血管，但往往難以分割小血管。雖然可以通過大量參數調整或手動修正來提高這些方法對小血管的敏感性，但這會耗費大量時間和人力，且不適用於大規模數據集。本文提出了一種深度學習架構，用於自動分割7特斯拉3D時間飛躍法（ToF）磁共振血管造影（MRA）數據中的小血管。該算法在一個僅包含11個受試者的小型、不完美且半自動分割的數據集中進行訓練和評估，其中6個用於訓練，2個用於驗證，3個用於測試。基於U-Net多尺度監督的深度學習模型使用訓練子集進行訓練，並通過形變感知學習以自監督的方式對彈性形變保持不變性，從而提高泛化性能。該方法在測試集上進行了定量和定性評估，Dice係數達到了80.44 ± 0.83。此外，將該方法的結果與選定的手動分割區域（Dice係數為62.07）進行比較，通過形變感知學習取得了顯著改善（提高了18.98%）。

📚 詳細文檔

模型詳情

該模型由Soumick Chatterjee、Kartik Prabhu、Mahantesh Pattadkal、Gerda Bortsova、Chompunuch Sarasaen、Florian Dubost、Hendrik Mattern、Marleen de Bruijne、Oliver Speck、Andreas Nürnberger在DS6, Deformation-Aware Semi-Supervised Learning: Application to Small Vessel Segmentation with Noisy Training Data中提出。ArXiv預印本

模型描述

模型資源

• 代碼倉庫：https://github.com/soumickmj/DS6
• 論文：https://doi.org/10.3390/jimaging8100259
• 預印本：https://arxiv.org/abs/2006.10802

📄 許可證

本項目採用Apache - 2.0許可證。

📖 引用信息

如果您在研究中使用了該方法，或使用了本倉庫中的代碼或權重，請在您的出版物中引用以下內容：

BibTeX：

@article{chatterjee2022ds6,
  title={Ds6, deformation-aware semi-supervised learning: Application to small vessel segmentation with noisy training data},
  author={Chatterjee, Soumick and Prabhu, Kartik and Pattadkal, Mahantesh and Bortsova, Gerda and Sarasaen, Chompunuch and Dubost, Florian and Mattern, Hendrik and de Bruijne, Marleen and Speck, Oliver and N{\"u}rnberger, Andreas},
  journal={Journal of Imaging},
  volume={8},
  number={10},
  pages={259},
  year={2022},
  publisher={MDPI}
}

APA： Chatterjee, S., Prabhu, K., Pattadkal, M., Bortsova, G., Sarasaen, C., Dubost, F., ... & Nürnberger, A. (2022). Ds6, deformation-aware semi-supervised learning: Application to small vessel segmentation with noisy training data. Journal of Imaging, 8(10), 259.