DRIPS:基于图像的周周血管空间域随机化细分
Luna Bitar1,2, Mario Díaz3,4, Roberto Duarte Coello5,6
1German Centre for Neurodegenerative Diseases (DZNE), Magdeburg, Germany.
medRxiv : the preprint server for health sciences
|November 24, 2025
概括
DRIPS是一种新的框架,可以在脑MRI中准确地分割周血管空间 (PVS). 这种自动化方法减少了对手工标签和数据集特定调整的依赖,以改善大脑健康分析.
科学领域:
- 神经成像是一种神经成像.
- 医学图像分析 医学图像分析
- 计算神经科学是一种神经科学.
背景情况:
- 周血管空间 (PVS) 是对大脑健康的关键成像生物标志物.
- 由于模式特定的方法和需要手动标签,精确的PVS细分具有挑战性.
研究的目的:
- 引入DRIPS (基于图像的PVS细分的域随机化),这是一个以物理为灵感的自动PVS细分框架.
- 为了生成合成的大脑图像和标签,用于即时深度学习培训,增强概括性.
主要方法:
- DRIPS将解剖学和形状先验与基于物理的图像生成相结合.
- 合成数据生成包括重新采样,几何/强度转换和模拟文物.
- 在不同的MRI队列 (N=165) 和使用AUPRC和DSC的3D外体脑模型上进行评估.
主要成果:
- 在所有数据集中,DRIPS 和 Frangi 实现了 AUPRC 的超越机会.
- DRIPS和nnU-Net在同位素数据上表现相似,表现优于其他数据.
- 在异构数据方面,DRIPS显著超过了所有竞争对手.
结论:
- DRIPS在异质成像设置中提供准确的,自动化的PVS细分.
- 该框架减少了手动细分和模式特定模型的需求.
- 在大脑健康研究中,DRIPS为PVS分析提供了强大的解决方案.


