摘要:脑病变(包括中风病变和肿瘤)在位置、大小、强度和形式方面具有高度可变性,这使得自动分割变得困难。我们建议通过利用健康大脑的双侧准对称性来改进现有的分割方法,当存在病变时,这种对称性就会消失。具体而言,我们使用神经图像与其反射版本的非线性配准(“反射配准”)来确定每个体素在另一半球的同源(对应)体素。同源体素周围的斑块作为一组新特征添加到分割算法中。为了评估这种方法,我们实现了两种不同的基于 CNN 的多模态 MRI 中风病变分割算法,然后使用上面描述的反射配准方法通过添加额外的对称特征来增强它们。对于每种架构,我们在 2015 年缺血性中风病变分割挑战赛 (ISLES) 的 SISS 训练数据集上比较了有对称性增强和没有对称性增强的性能。使用线性反射配准可以提高基线的性能,但非线性反射配准可以带来更好的结果:一种架构的 Dice 系数比基线提高了 13 个百分点,另一种架构的 Dice 系数提高了 9 个百分点。我们认为在现有分割算法中添加对称特征具有广泛的适用性,特别是使用所提出的非线性、无模板方法。