Unsupervised Segmentation of Fetal Brain MRI using Deep Learning Cascaded Registration

要約

胎児の脳の磁気共鳴画像の正確なセグメンテーションは、胎児の脳の発達を分析し、潜在的な神経発達異常を検出するために重要です。
従来のディープラーニングベースの自動セグメンテーションは効果的ではありますが、グラウンドトゥルースラベルを含む広範なトレーニングデータを必要とし、通常は時間のかかるアノテーションプロセスを通じて臨床医によって作成されます。
この課題を克服するために、トレーニング用のラベル付きデータに依存せずに複数の組織を正確にセグメント化する、マルチアトラスセグメンテーションに基づく新しい教師なしセグメンテーション方法を提案します。
私たちの方法では、3D 画像の位置合わせにカスケード ディープ ラーニング ネットワークを採用しており、動画に対する小さな増分変形を計算して、動画を固定画像と正確に位置合わせします。
このカスケード ネットワークを使用して、複数の注釈付き画像をセグメント化する画像に登録し、伝播されたラベルを組み合わせて洗練されたセグメンテーションを形成できます。
私たちの実験では、提案されたカスケード アーキテクチャが、テストされた最先端の登録方法よりも優れていることが実証されました。
さらに、派生セグメンテーション手法は、マルチアトラス セグメンテーション タスクに注釈付きデータの小さなサブセットのみを使用し、ネットワークのトレーニングには何も使用せず、nnU-Net と同様のパフォーマンスと推論時間を実現します。
登録とマルチアトラス セグメンテーション用のパイプラインは、https://github.com/ValBcn/CasReg で公開されています。

要約(オリジナル)

Accurate segmentation of fetal brain magnetic resonance images is crucial for analyzing fetal brain development and detecting potential neurodevelopmental abnormalities. Traditional deep learning-based automatic segmentation, although effective, requires extensive training data with ground-truth labels, typically produced by clinicians through a time-consuming annotation process. To overcome this challenge, we propose a novel unsupervised segmentation method based on multi-atlas segmentation, that accurately segments multiple tissues without relying on labeled data for training. Our method employs a cascaded deep learning network for 3D image registration, which computes small, incremental deformations to the moving image to align it precisely with the fixed image. This cascaded network can then be used to register multiple annotated images with the image to be segmented, and combine the propagated labels to form a refined segmentation. Our experiments demonstrate that the proposed cascaded architecture outperforms the state-of-the-art registration methods that were tested. Furthermore, the derived segmentation method achieves similar performance and inference time to nnU-Net while only using a small subset of annotated data for the multi-atlas segmentation task and none for training the network. Our pipeline for registration and multi-atlas segmentation is publicly available at https://github.com/ValBcn/CasReg.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google