Plug-and-play Shape Refinement Framework for Multi-site and Lifespan Brain Skull Stripping

要約

スカル ストリッピングは、脳の磁気共鳴画像 (MRI) の分析における重要な前提条件のステップです。
多くの優れた作品やツールが提案されていますが、それらは一般化能力が低いという問題があります。
たとえば、特定の画像パラメータを持つデータセットでトレーニングされたモデルは、異なる画像パラメータを持つ他のデータセットにうまく適用できません。
特に、寿命データセットの場合、ドメインの違いが大きいため、成人のデータセットでトレーニングされたモデルは幼児のデータセットには適用できません。
この問題に対処するために、多くの方法が提案されていますが、特徴の配置に基づくドメイン適応が最も一般的です。
残念ながら、この方法にはいくつかの固有の欠点があり、新しいドメインごとに再トレーニングする必要があり、両方のドメインの入力画像に同時にアクセスする必要があります。
この論文では、マルチサイトおよび寿命の頭蓋骨ストリッピングのためのプラグアンドプレイシェイプリファインメント（PSR）フレームワークを設計します。
マルチサイトの寿命データセット間のドメインシフトに対処するために、イメージングパラメーターと年齢に対して不変である脳の事前形状を利用します。
実験は、私たちのフレームワークがマルチサイトの寿命データセットで最先端の方法よりも優れていることを示しています。

要約(オリジナル)

Skull stripping is a crucial prerequisite step in the analysis of brain magnetic resonance images (MRI). Although many excellent works or tools have been proposed, they suffer from low generalization capability. For instance, the model trained on a dataset with specific imaging parameters cannot be well applied to other datasets with different imaging parameters. Especially, for the lifespan datasets, the model trained on an adult dataset is not applicable to an infant dataset due to the large domain difference. To address this issue, numerous methods have been proposed, where domain adaptation based on feature alignment is the most common. Unfortunately, this method has some inherent shortcomings, which need to be retrained for each new domain and requires concurrent access to the input images of both domains. In this paper, we design a plug-and-play shape refinement (PSR) framework for multi-site and lifespan skull stripping. To deal with the domain shift between multi-site lifespan datasets, we take advantage of the brain shape prior, which is invariant to imaging parameters and ages. Experiments demonstrate that our framework can outperform the state-of-the-art methods on multi-site lifespan datasets.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google