机构名称：
¥ 1.0
多发性硬化症 (MS) 是一种慢性自身免疫性炎症性中枢神经系统神经疾病。目前，其诊断通常包括进行 MRI 扫描，因为它是 MS 最敏感的成像测试。MS 斑块通常从液体衰减反转恢复 (FLAIR) 图像中识别为形状、大小和位置变化很大的高强度区域，并根据 McDonald 标准进行常规分类。近年来，旨在开发各种半自动和自动方法以检测、分割和分类 MS 斑块的研究越来越多。在本文中，我们提出了一种基于两种管道的自动组合方法：传统的无监督机器学习技术和深度学习注意门 3D U-net 网络。深度学习网络经过专门训练，以解决传统方法的弱点，即在现实世界的临床 MRI 中难以分割幕下和皮质旁斑块。它在一个包含 159 个病例的多中心多扫描仪数据集上进行了训练和验证，每个病例都有 T1 加权 (T1w) 和 FLAIR 图像，以及 MS 斑块的手动描绘，由一组评分员进行分割和验证。检测率使用病变 Dice 评分进行量化。实施了一个简单的标签融合来组合两个管道的输出分割。与用作性能评估基线的无监督机器学习管道相比，这种组合方法分别将幕下和近皮质病变的检测率提高了 14% 和 31%。
ico 大脑 ms 5.1
主要关键词
相关文件推荐
