容積神経経路の分割のための任意モダルの融合ネットワーク

科学分野:

• 神経イメージング
• 医学画像分析
• 計算神経科学

背景:

• 頭蓋骨神経 (CN) の正確なセグメンテーションは,その形態学と軌道の定量分析に不可欠です.
• 既存のマルチモダルのCNセグメンテーションネットワーク (例えばCNTSeg) は有望だが,完全なマルチモダルのデータが必要で,これは臨床的に実現不可能である.
• データ取得,プライバシー,機器の制限は,CNセグメンテーションのためのマルチモダルMRIのルーチン使用を妨げています.

研究 の 目的:

• CNTSeg-v2を提案する. 容積的な頭蓋骨神経分割のための新しい任意モダルの融合ネットワーク.
• 利用可能なMRIの様々な組み合わせに対応できる単一のモデルを開発する.
• 臨床環境におけるCNセグメンテーションの効率と実現性を向上させる.

主な方法:

• 容積的なCNセグメント化のための任意モダルの融合ネットワークであるCNseg-v2を開発した.
• T1重量 (T1w) MRIを監視の主要な方法として使用し,補助的な方法から特徴の選択を導く.
• 効率的な特徴抽出のための恣意的なモダルのコラボレーションモジュール (ACM) と,署名された距離マップを使用してエラー訂正のためのディープディスタンスガイデッドマルチステージ (DDM) デコーダーを組み込みました.

主要な成果:

• CNTSeg-v2は,体積的な頭蓋骨神経のセグメンテーションにおいて最先端の性能を示した.
• このモデルは,ヒトコネクトームプロジェクト (HCP) とマルチシェル拡散MRI (MDM) のデータセットの両方で,競合するすべての方法と比較して優れた結果を達成しました.
• 任意モダルの融合アプローチは,利用可能なMRIデータの組み合わせを効果的に活用して,セグメンテーションの精度を向上させました.

結論:

• CNTSeg-v2は,様々なMRIデータを用いて頭蓋骨神経のセグメンテーションのための柔軟で高性能なソリューションを提供します.
• 提案された方法は,臨床実務で完全なマルチモダルのデータセットを必要とするという制限を克服します.
• CNTSeg-v2は 脳の神経経路の 自動神経画像分析における 重要な進歩です