Harmonizing Flows: Leveraging normalizing flows for unsupervised and source-free MRI harmonization

要約

磁気共鳴 (MR) 画像取得のための標準化とさまざまな固有パラメータの欠如により、さまざまな部位やデバイスにわたって不均一な画像が生成され、ディープ ニューラル ネットワークの一般化に悪影響を及ぼします。
この問題を軽減するために、この研究では、正規化フローを活用して MR 画像を位置合わせし、それによってソース ドメインの分布をエミュレートする、新しい教師なし調和フレームワークを提案します。
提案された戦略は 3 つの主要なステップで構成されます。
最初に、正規化フロー ネットワークがトレーニングされて、ソース ドメインの分布特性が捕捉されます。
次に、浅いハーモナイザー ネットワークをトレーニングして、拡張された対応物を介してソース ドメインから画像を再構築します。
最後に、推論中にハーモナイザー ネットワークが更新され、出力画像が正規化フロー ネットワークによってモデル化された学習済みのソース ドメイン分布に確実に準拠するようになります。
教師なし、ソースフリー、タスクに依存しない私たちのアプローチは、成人と新生児の両方のクロスドメイン脳MRIセグメンテーション、および新生児の脳年齢推定のコンテキストで評価され、タスクと人口統計全体にわたる一般化可能性を示しています。
結果は、既存の方法論と比較してその優れたパフォーマンスを強調しています。
コードは https://github.com/farzad-bz/Harmonizing-Flows で入手できます。

要約(オリジナル)

Lack of standardization and various intrinsic parameters for magnetic resonance (MR) image acquisition results in heterogeneous images across different sites and devices, which adversely affects the generalization of deep neural networks. To alleviate this issue, this work proposes a novel unsupervised harmonization framework that leverages normalizing flows to align MR images, thereby emulating the distribution of a source domain. The proposed strategy comprises three key steps. Initially, a normalizing flow network is trained to capture the distribution characteristics of the source domain. Then, we train a shallow harmonizer network to reconstruct images from the source domain via their augmented counterparts. Finally, during inference, the harmonizer network is updated to ensure that the output images conform to the learned source domain distribution, as modeled by the normalizing flow network. Our approach, which is unsupervised, source-free, and task-agnostic is assessed in the context of both adults and neonatal cross-domain brain MRI segmentation, as well as neonatal brain age estimation, demonstrating its generalizability across tasks and population demographics. The results underscore its superior performance compared to existing methodologies. The code is available at https://github.com/farzad-bz/Harmonizing-Flows

arxiv情報

提供元, 利用サービス

arxiv.jp, Google