基于定量敏感性映射的基底腺通过AGSeg进行细分:利用深度学习中的活跃梯度指导机制

科学领域:

• 医疗成像医学成像
• 神经科学是一个神经科学.
• 人工智能的人工智能

背景情况:

• 定量敏感性映射 (QSM) 对于使用MRI的基底腺研究至关重要.
• 准确的基底腺节细分对于疾病诊断和手术规划至关重要.
• 手动细分是耗时的,当前的自动化方法在界限划分方面存在困难.

研究的目的:

• 开发AGSeg,一个基于主动梯度指导的网络,用于实时和准确的基底腺节细分.
• 改进现有的深度学习方法来细分具有挑战性的皮质下大脑结构.

主要方法:

• AGSeg使用双分支架构处理QSM和大小图像.
• 一个大小信息完整 (MIC) 模块增强了特征表示.
• 活动梯度模块 (AGM,GGM) 为改善边界细分提供注意力指导.

主要成果:

• AGSeg获得了0.874的子相似系数 (DSC) 和2.009.00的HD95.
• 废弃性研究证实了拟议的模块的重要性.
• 与现有方法相比,该模型表现出优越的性能和通用性,DSC改进率为0.036-0.074.

结论:

• AGSeg提供了一个强大的,高效的深度学习解决方案,用于自动化基底腺细分.
• 它的速度和准确性支持手术规划和手术内导航.
• 该方法可适应其他多模式医疗图像细分任务.