海马次结构分割基于形态视觉变换学习
摘要：在T1加权（T1w）MRI图像中准确分割海马前部和后部区域的目的是通过开发一种新的模型Hippo-Net，使用相互增强的策略实现。所提出的模型由两个主要部分组成：1）一个定位模型用于检测海马的感兴趣区域（VOI）；2）使用一种端到端的形态视觉变换网络在海马VOI内进行亚结构分割。本研究使用了260个T1w MRI数据集，对前200个T1w MR图像进行了五折交叉验证，然后在其余60个T1w MR图像上进行了留出测试，使用在前200个图像上训练的模型。在五折交叉验证中，海马本身和亚海马部分的DSC分别为0.900+-0.029和0.886+-0.031。海马本身和亚海马部分的MSD分别为0.426+-0.115mm和0.401+-0.100mm。所提出的方法在自动绘制T1w MRI图像中的海马亚结构方面表现出很大的潜力，它可能促进当前的临床工作流程并减少医生的工作量。
作者：Yang Lei, Yifu Ding, Richard L.J. Qiu, Tonghe Wang, Justin Roper, Yabo Fu, Hui-Kuo Shu, Hui Mao and Xiaofeng Yang
论文ID：2306.08723
分类：Medical Physics
分类简称：physics.med-ph
提交时间：2023-06-16