面具变形建模用于体积大脑MRI自我监督预训练

科学领域:

• 医学成像分析分析 医学成像分析
• 神经科学中的人工智能
• 机器学习用于医疗保健

背景情况:

• 自主监督学习 (SSL) 对医学图像细分有希望,但往往缺乏特定于大脑的先验.
• 现有的在非大脑数据上预训练的SSL方法在详细的大脑分片任务上表现不佳.

研究的目的:

• 介绍面具变形建模 (MDM),一种针对人类大脑MRI细分的新型SSL策略.
• 通过将特定于大脑的先验纳入SSL来提高脑MRI细分的性能.

主要方法:

• MDM采用来自个体大脑MRI和MNI152模板的亚特拉斯导向补丁采样.
• 在通过U-Net进行特征提取之前,对采样卷进行随机特征对齐的掩盖.
• 潜伏特征被强度和变形场头解码,以恢复体积和预测空间转换.

主要成果:

• 在多个大脑细分数据集 (细分,病变,瘤) 中,MDM表现出卓越的性能.
• 该方法显著优于现有的最先进的医疗SSL方法.
• MDM实现了至少40%的注释工作减少.

结论:

• 在脑MRI细分方面,MDM有效地解决了一般SSL方法在脑MRI细分方面的局限性.
• 拟议的战略为提高大脑分片和细分的准确性和效率提供了一个强大的工具.
• 在医学成像研究中,MDM显示有潜力大幅降低手动注释负担.