摘要 - 对称检测是一种从脑磁共振(MR)图像中提取理想的中型平面(MSP)的方法,可以显着提高脑部疾病的诊断准确性。在本文中,我们提出了一种基于2通道卷积神经网络(CNN)的2D切片中脑MR图像的自动符号检测方法。不同于主要依赖本地图像特征(渐变,边缘等)的现有检测方法为了确定MSP,我们使用基于CNN的模型来实现大脑对称性检测,该检测不需要任何局部特征检测和功能匹配。通过训练以学习大脑图像中的各种基准测试,我们可以进一步使用2通道CNN来评估脑斑块对之间的相似性,这些相似性是根据泊松采样从整个大脑切片中随机提取的。最后,使用评分和排名方案来识别每个输入脑MR SLICE的最佳对称轴。在2166个人工合成脑图像和3064中收集的体内MR图像中评估了我们的方法,其中包括健康和病理病例。实验结果表明,我们的方法在对称性检测中实现了出色的性能。与最先进方法的比较还证明了与以前的竞争对手相比,我们在获得更高准确性方面的有效性和优势。
主要关键词