k-strip: A novel segmentation algorithm in k-space for the application of skull stripping

要約

目的: 情報豊富な k 空間で直接動作する、磁気共鳴画像法 (MRI) 用の新しい深層学習ベースの頭蓋骨剥離アルゴリズムを提示します。
材料と方法: 合計 36,900 枚の MRI スライスを含む異なる機関からの 2 つのデータセットを使用して、複雑な生の k 空間データを直接操作できるように深層学習ベースのモデルをトレーニングしました。
画像領域で HD-BET (脳抽出ツール) によって実行された頭蓋骨除去がグランド トゥルースとして使用されました。
結果: どちらのデータセットもグラウンド トゥルース (DICE スコア 92\%-98\%、ハウスドルフ距離 5.5 mm 未満) に非常に似ていました。
目の領域より上のスライスの結果は、DICE スコアが最大 99\% に達しますが、目の周囲および下の領域では精度が低下し、出力が部分的にぼやけます。
k-ストリップの出力では、頭蓋骨との境界部分のエッジが滑らかになることがよくあります。
バイナリ マスクは適切なしきい値を使用して作成されます。
結論: この概念実証研究により、一貫した結果で位相情報を保存しながら k 空間周波数領域で作業する実現可能性を示すことができました。
今後の研究は、革新的な画像解析やさらなるワークフローに k スペースを使用できる追加の方法を発見することに専念する必要があります。

要約(オリジナル)

Objectives: Present a novel deep learning-based skull stripping algorithm for magnetic resonance imaging (MRI) that works directly in the information rich k-space. Materials and Methods: Using two datasets from different institutions with a total of 36,900 MRI slices, we trained a deep learning-based model to work directly with the complex raw k-space data. Skull stripping performed by HD-BET (Brain Extraction Tool) in the image domain were used as the ground truth. Results: Both datasets were very similar to the ground truth (DICE scores of 92\%-98\% and Hausdorff distances of under 5.5 mm). Results on slices above the eye-region reach DICE scores of up to 99\%, while the accuracy drops in regions around the eyes and below, with partially blurred output. The output of k-strip often smoothed edges at the demarcation to the skull. Binary masks are created with an appropriate threshold. Conclusion: With this proof-of-concept study, we were able to show the feasibility of working in the k-space frequency domain, preserving phase information, with consistent results. Future research should be dedicated to discovering additional ways the k-space can be used for innovative image analysis and further workflows.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google