联邦空间先行基于无源域域适应白物质超强度细分

科学领域:

• 医疗成像医学成像
• 人工智能的人工智能
• 神经学 神经学

背景情况:

• 白质过强度 (WMH) 是大脑小血管疾病的关键指标.
• 准确的WMH细分对于大脑健康评估和诊断至关重要.
• 跨领域细分面临的挑战是由于数据隐私和有限的标签.

研究的目的:

• 为自动WMH细分开发一个强大且保护隐私的框架.
• 为了提高跨域WMH细分的概括性和准确性.
• 改进检测小型WMH病变和边界划分.

主要方法:

• 一个无源域适应 (SFDA) 框架被开发出来,结合了联合空间先前建模.
• 一个双路径伪标签生成器利用空间先验来提高边界精度和小损伤检测.
• 联合学习优化了在没有共享原始数据的情况下跨站点的空间先验,随后进行伪标签微调.

主要成果:

• 拟议的方法优于最先进的UDA和SFDA技术,在多个数据集中显示3-10%的DSC改进.
• 在检测小病变和准确地划定WMH边界方面表现出卓越的性能.
• 实现了强大的概括,并保持了数据隐私.

结论:

• 开发的框架为WMH细分提供了保护隐私和有效的解决方案.
• 这种方法显著支持脑血管疾病的早期诊断和风险评估.
• 联合空间预先建模在具有挑战性的临床环境中增强了模型的概括性.