Uncertainty-Aware Multi-Parametric Magnetic Resonance Image Information Fusion for 3D Object Segmentation

要約

マルチパラメトリック磁気共鳴 (MR) イメージングは​​、クリニックで不可欠なツールです。
その結果、マルチパラメトリック MR イメージングに基づく自動ボリューム オブ インタレスト セグメンテーションは、コンピュータ支援疾患診断、治療計画、および予後モニタリングにとって非常に重要です。
ディープラーニングに基づく医用画像分析で広範な研究が行われていますが、さまざまな画像パラメータによって提供される情報を効果的に活用するには、さらなる調査が必要です。
情報を融合する方法は、この分野の重要な問題です。
ここでは、強化された 3D 画像セグメンテーションのために情報を十分に活用するために、不確実性を認識したマルチパラメトリック MR 画像特徴融合法を提案します。
個々のモダリティの独立した予測の不確実性は、マルチモーダル画像機能の融合を導くために利用されます。
脳組織のセグメンテーション用と腹部の多臓器セグメンテーション用の 2 つのデータセットに関する広範な実験が実施されており、提案された方法は、既存のモデルと比較して、より優れたセグメンテーション パフォーマンスを達成します。

要約(オリジナル)

Multi-parametric magnetic resonance (MR) imaging is an indispensable tool in the clinic. Consequently, automatic volume-of-interest segmentation based on multi-parametric MR imaging is crucial for computer-aided disease diagnosis, treatment planning, and prognosis monitoring. Despite the extensive studies conducted in deep learning-based medical image analysis, further investigations are still required to effectively exploit the information provided by different imaging parameters. How to fuse the information is a key question in this field. Here, we propose an uncertainty-aware multi-parametric MR image feature fusion method to fully exploit the information for enhanced 3D image segmentation. Uncertainties in the independent predictions of individual modalities are utilized to guide the fusion of multi-modal image features. Extensive experiments on two datasets, one for brain tissue segmentation and the other for abdominal multi-organ segmentation, have been conducted, and our proposed method achieves better segmentation performance when compared to existing models.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google