頭蓋神経のセグメンテーションのための動的ガイド付き拡散確率モデル

科学分野:

• 医用画像処理
• 神経科学
• コンピュータビジョン

背景:

• MRIによる頭蓋神経（CN）のセグメンテーションは、定量的形態学的解析に不可欠です。
• 深層学習法は存在するが、しばしばユニークなCNの特徴とマルチモーダル画像特性を無視し、最適以下の結果につながっています。

研究 の 目的:

• 磁気共鳴画像法（MRI）を使用した頭蓋神経束の高度なセグメンテーションモデルを開発すること。
• 固有のCN特性とマルチモーダル画像データを統合することで、セグメンテーションを強化すること。

主な方法:

• 新しいSE-A-NLモジュールを組み込んだ動的ガイド付き拡散確率モデルを提案しました。
• SE-A-NLモジュールは、変化するマルチモーダル画像特性と長距離CN接続に対処します。

主要な成果:

• 提案手法は、5対の頭蓋神経において優れたセグメンテーション性能を達成しました。
• 評価された20の指標のうち16で、既存の最先端アプローチを上回りました。

結論:

• ネットワークは、アテンションメカニズムを使用して、マルチモーダル情報と解剖学的プライオアを効果的に統合します。
• 比較およびアブレーション研究により、提案手法のCNセグメンテーションにおける優れた性能が確認されました。