RS2-Net:一种端到端的深度学习框架,用于动物头骨剥离在多中心大脑MRI中

科学领域:

• 神经成像是一种神经成像.
• 人工智能的人工智能
• 医学图像分析 医学图像分析

背景情况:

• 在动物MRI中手动剥离头骨是劳动密集型的,需要大量的专业知识.
• 现有的自动化方法在动物大脑MRI中与低对比度,可变分辨率和模糊边界作斗争.

研究的目的:

• 开发一种轻量级的自动化框架,用于在MRI中剥离动物头骨.
• 为了消除手工预处理的需要,并减少工作量.
• 为各种MRI分辨率创建一个可适应的解决方案.

主要方法:

• 开发一个使用Swin-UNETR架构的轻量化框架.
• 在动物MRI扫描的大型多中心数据集上进行培训和评估.
• 专注于减少计算要求,以实现更广泛的可访问性.

主要成果:

• 获得了0.9914的初步平均子系数.
• 在1037只动物和来自89个中心的1142张图像上进行了验证.
• 在各种MRI分辨率中表现出有效性.

结论:

• 拟议的Swin-UNETR框架为动物骨剥离提供了有效和高效的自动化解决方案.
• 轻量级的设计降低了性能要求,使其成为研究人员的实用工具.
• 该框架,数据和模型是公开可用的,以促进采用和进一步研究.