deepbet:使用卷积神经网络进行T1加权MRI的快速脑部提取

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
• 人工智能在医学中的应用

背景情况:

• 脑部提取是神经成像中关键的预处理步骤.
• 深度学习已经显著提升了图像细分技术.
• 传统的大脑提取方法越来越多地被深度学习方法所取代.

研究的目的:

• 利用先进的深度学习开发一种快速,高精度的大脑提取工具.
• 建立一个新的最先进的性能基准,用于提取大脑.

主要方法:

• 利用了来自191个OpenNeuro数据集的7837张T1加权 (T1w) 的MRI图像的大数据集.
• 采用先进的深度学习方法,特别是计算效率高的UNet架构.
• 开发了用于自动提取大脑的deepbet工具.

主要成果:

• 在未见的数据集上获得了99.0的Dice中位数,超过了当前最好的方法 (深度学习:97.9,经典:96.5).
• 在所有7837张图像中,Dice得分超过97.4,并且在5个外部具有挑战性的临床数据集上得到验证.
• 迪普贝特处理图像的速度大约是现有方法的10倍,在2秒内完成一个图像.

结论:

• 在成人T1wMRI图像中,Deepbet为大脑提取提供了卓越的性能和可靠性.
• 该工具的高最小子得分和最小的客观错误证实了它的可靠性,即使在具有挑战性的场景中.
• Deepbet 易于安装和公开使用,促进其在神经成像研究中的应用.