DeepCERES: A Deep learning method for cerebellar lobule segmentation using ultra-high resolution multimodal MRI

要約

この論文では、新しいマルチモーダルで高解像度の人間の脳の小脳小葉セグメンテーション方法を紹介します。
標準解像度 ($1 \text{ mm}^{3}$) またはモノモーダル データを使用して動作する現在のツールとは異なり、提案された方法は、マルチモーダルで超高解像度 ($0.125 \text) を使用することで小脳小葉のセグメンテーションを向上させます。
{ mm}^{3}$) トレーニング データセット。
この方法を開発するために、まず、超高解像度の T1 および T2 MR 画像を使用して提案された方法をトレーニングするために、半自動的にラベル付けされた小脳小葉のデータベースが作成されました。
次に、深層ネットワークのアンサンブルが設計および開発され、提案された方法が複雑な小脳小葉セグメンテーションタスクで優れていることを可能にし、メモリ効率を高めながら精度を向上させました。
特に、私たちのアプローチは、代替アーキテクチャを模索することで、従来の U-Net モデルから逸脱しています。
また、マルチアトラスセグメンテーションからの先験的な知識を組み込んだ古典的な機械学習手法と深層学習を統合し、精度と堅牢性を向上させました。
最後に、DeepCERES という名前の新しいオンライン パイプラインが開発され、標準解像度の 1 枚の T1 MR 画像のみを入力として必要とする、提案された手法を科学コミュニティに利用できるようになりました。

要約(オリジナル)

This paper introduces a novel multimodal and high-resolution human brain cerebellum lobule segmentation method. Unlike current tools that operate at standard resolution ($1 \text{ mm}^{3}$) or using mono-modal data, the proposed method improves cerebellum lobule segmentation through the use of a multimodal and ultra-high resolution ($0.125 \text{ mm}^{3}$) training dataset. To develop the method, first, a database of semi-automatically labelled cerebellum lobules was created to train the proposed method with ultra-high resolution T1 and T2 MR images. Then, an ensemble of deep networks has been designed and developed, allowing the proposed method to excel in the complex cerebellum lobule segmentation task, improving precision while being memory efficient. Notably, our approach deviates from the traditional U-Net model by exploring alternative architectures. We have also integrated deep learning with classical machine learning methods incorporating a priori knowledge from multi-atlas segmentation, which improved precision and robustness. Finally, a new online pipeline, named DeepCERES, has been developed to make available the proposed method to the scientific community requiring as input only a single T1 MR image at standard resolution.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google