Automatic 8-tissue Segmentation for 6-month Infant Brains

要約

多くの研究は、特に乳児期および幼児期における非定型的な脳の発達が、自閉症などの神経発達疾患と診断される可能性の増加に関連していることを強調しています。
形態学的分析のための正確な脳組織のセグメンテーションは、数多くの幼児研究において不可欠です。
ただし、T1 および T2 強調画像では白質 (WM) のミエリン化が進行して組織のコントラストが変化するため、生後 6 か月の乳児の自動組織セグメンテーションは特に困難です。
一方で、専門家による手作業によるラベル付けは時間と労力がかかります。
この研究では、生後 6 か月の乳児の脳に対する最初の 8 組織セグメンテーション パイプラインを提案します。
このパイプラインは、ドメイン アダプテーション (DA) 技術を利用して、新生児発達ヒューマン コネクトーム プロジェクトの構造パイプラインでセグメント化された新生児画像などの長期的なデータを活用します。
当社のパイプラインは、6 か月間の生の画像を入力として受け取り、8 組織のセグメンテーションを出力として生成し、エンドツーエンドのセグメンテーション パイプラインを形成します。
セグメント化された組織には、WM、灰白質 (GM)、脳脊髄液 (CSF)、心室、小脳、大脳基底核、脳幹、海馬/扁桃体が含まれます。
Cycle-Consistent Generative Adversarial Network (CycleGAN) と Attention U-Net を使用して、新生児画像と 6 か月画像間の画像コントラスト変換を実現し、合成された 6 か月画像 (6 か月強度コントラストのある新生児画像) で組織セグメンテーションを実行しました。
、 それぞれ。
さらに、Infant Brain Extraction and Analysis Toolbox (iBEAT) と別の tention U-Net からのセグメンテーション出力を組み込んで、パフォーマンスをさらに強化し、エンドツーエンドのセグメンテーション パイプラインを構築しました。
実際の 6 か月間の画像を使用した評価では、DICE スコア 0.92、HD95 1.6、ASSD 0.42 を達成しました。

要約(オリジナル)

Numerous studies have highlighted that atypical brain development, particularly during infancy and toddlerhood, is linked to an increased likelihood of being diagnosed with a neurodevelopmental condition, such as autism. Accurate brain tissue segmentations for morphological analysis are essential in numerous infant studies. However, due to ongoing white matter (WM) myelination changing tissue contrast in T1- and T2-weighted images, automatic tissue segmentation in 6-month infants is particularly difficult. On the other hand, manual labelling by experts is time-consuming and labor-intensive. In this study, we propose the first 8-tissue segmentation pipeline for six-month-old infant brains. This pipeline utilizes domain adaptation (DA) techniques to leverage our longitudinal data, including neonatal images segmented with the neonatal Developing Human Connectome Project structural pipeline. Our pipeline takes raw 6-month images as inputs and generates the 8-tissue segmentation as outputs, forming an end-to-end segmentation pipeline. The segmented tissues include WM, gray matter (GM), cerebrospinal fluid (CSF), ventricles, cerebellum, basal ganglia, brainstem, and hippocampus/amygdala. Cycle-Consistent Generative Adversarial Network (CycleGAN) and Attention U-Net were employed to achieve the image contrast transformation between neonatal and 6-month images and perform tissue segmentation on the synthesized 6-month images (neonatal images with 6-month intensity contrast), respectively. Moreover, we incorporated the segmentation outputs from Infant Brain Extraction and Analysis Toolbox (iBEAT) and another Attention U-Net to further enhance the performance and construct the end-to-end segmentation pipeline. Our evaluation with real 6-month images achieved a DICE score of 0.92, an HD95 of 1.6, and an ASSD of 0.42.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google