SiMix:一个域泛化方法,通过站点混合来实现跨站点大脑MRI协调

科学领域:

• 医疗成像医学成像
• 计算机视觉 计算机视觉
• 机器学习 机器学习

背景情况:

• 大脑磁共振成像 (MRI) 对于疾病诊断至关重要,但由于不同的硬件和参数,它遭受跨站点变化.
• 现有的MRI协调方法需要来自所有站点的训练数据,在引入新的,未见的站点时失败.

研究的目的:

• 开发用于脑MRI协调的域概括方法,该方法处理来自未见的网站的数据.
• 为了提高下游图像处理和分析的一致性和可靠性,在不同的MRI采集站点进行分析.

主要方法:

• 拟议的Site Mix (SiMix) 是一种用于大脑MRI协调的新型域泛化技术.
• 实施了来自不同站点的训练图像的随机混合,以增加数据多样性.
• 在测试时间引入了多视图策略,扰乱未见的现场图像,并将结果组合在一起,以提高协调性.

主要成果:

• SiMix证明了对未见的部位进行大脑MRI协调性能的改进.
• 该方法还显示了协调现有地点数据的好处.
• 在SRPBS和MUSHAC数据集上的实验验验证了SiMix.的有效性.

结论:

• SiMix有效地解决了使用域泛化对未见的网站进行脑MRI协调的挑战.
• 拟议的方法提高了MRI协调在现实世界的临床场景中的稳定性和适用性.
• SiMix为一致的跨站点MRI分析提供了一个有前途的解决方案.