使用U2-Net对老鼠磁共振成像数据进行自动脑部提取
Shengxiang Liang1,2,3, Xiaolong Yin1,4, Li Huang4
1National-Local Joint Engineering Research Center of Rehabilitation Medicine Technology, Fujian University of Traditional Chinese Medicine, Fuzhou 350122, People's Republic of China.
Physics in medicine and biology
|September 2, 2023
概括
使用U2-Net的新深度学习方法显著改善了老鼠大脑MRI骨剥离. 这种先进的技术提供了可靠的细分,用于加强动物大脑成像数据的预处理.
科学领域:
- 神经成像是一种神经成像.
- 医学图像分析 医学图像分析
- 深度学习 (Deep Learning) 是一种深度学习.
背景情况:
- 骨剥离对于动物大脑MRI预处理至关重要.
- 精确的内组织细分对于定量分析至关重要.
研究的目的:
- 开发和评估一种基于深度学习的新头骨剥离方法,用于使用U2-Net的老鼠大脑MRI.
- 为了比较U2-Net方法与传统细分技术的性能.
主要方法:
- U2-Net模型应用于599部分的老鼠大脑MRI扫描.
- 用于培训和验证套件的内组织手动标记 (80%的训练,20%的测试).
- 使用子,贾卡德,灵敏度,特异性,像素精度和豪斯多夫指标进行定量评估.
主要成果:
- 与RATS和BrainSuite软件相比,U2-Net表现出优越的性能.
- 获得了高的定量分数:子系数0.9907 ± 0.0016,贾卡德0.9816 ± 0.0032.
- 优异的特异性 (0.9989 ± 0.0002) 和低的假阳性率 (0.0009 ± 0.0002).
结论:
- 基于U2-Net的方法提供了一种可靠和准确的方法来进行老鼠大脑MRI骨剥离.
- 这种深度学习技术增强了对动物神经成像研究的预处理管道.
- 为研究人员分析大鼠大脑MRI数据提供了有价值的工具.
