XiaoMi-AI文件搜索系统
World File Search SystemTustison
使用深度学习的MRI脑肿瘤分割
歧视方法试图提取区分特征，然后是分类器以进行分类[3]。例如，Dandil等。[4]使用基于图像强度特征的空间模糊c均值（FCM）分类器，以达到0.91的精度，0.91灵敏度的灵敏度和0.95的敏感性对于“ WT”段。Tustison等。[5]研究了不同的特征，包括强度，几何和不对称特征，提取了多种MRI模态。基于与不对称相关的特征的随机森林分类器在Brats 2013数据库[6]中获得了最佳性能[6]，即“ WT”，“ TC”，“ TC”和“ ET”组件的DSCS为0.87、0.78和0.74。然而，歧视方法依赖于提取特征的质量，这可能并不能很好地代表肿瘤分割问题。
MRI脑肿瘤使用深度学习进行分割。
歧视方法试图提取区分特征，然后是分类器以进行分类[3]。例如，Dandil等。[4]使用基于图像强度特征的空间模糊c均值（FCM）分类器，以达到0.91的精度，0.91灵敏度的灵敏度和0.95的敏感性对于“ WT”段。Tustison等。[5]研究了不同的特征，包括强度，几何和不对称特征，提取了多种MRI模态。基于与不对称相关的特征的随机森林分类器在Brats 2013数据库[6]中获得了最佳性能[6]，即“ WT”，“ TC”，“ TC”和“ ET”组件的DSCS为0.87、0.78和0.74。然而，歧视方法依赖于提取特征的质量，这可能并不能很好地代表肿瘤分割问题。
使用受约束的球形卷积
1。Amunts K，Mohlberg H，Bludau S，Zilles K. Julich-Brain：人类大脑细胞结构的3D概率地图。Science 2020; 369：988-92。 2。 Andersson JL，Sotiropoulos SN。 一种校正方法的综合方法，以扩散MR成像中的非谐波效应和受试者运动。 Neuroimage 2016; 125：1063-78。 3。 Avants BB，Tustison NJ，Song G，Cook PA，Klein A，Gee JC。 对大脑图像注册中蚂蚁相似性表现的可重复评估。 Neuroimage 2011; 54：2033-44。 4。 Calamante F，Tournier JD，Heidemann RM，Anwander A，Jackson GD，Connelly A. 跟踪密度成像（TDI）：超级分辨率属性的验证。 Neuroimage 2011; 56：1259-66。 5。 Fonov V，Evans A，McKinstry R，Almli C，CollinsD。从出生到成年期，无偏见的非线性平均适合年龄的脑模板。 Neuroimage 2009; 47：S102。 6。 Glasser MF，Smith SM，Marcus DS，Andersson JL，Auerbach EJ，Behrens TE等。 人类Connectome项目的神经影像学方法。 Nat Neurosci 2016; 19：1175-87。 7。 Gutierrez CE，Skibbe H，Nakae K，Tsukada H，Lienard J，Watakabe A等。 用神经示踪剂数据作为参考的基于扩散MRI的光纤跟踪的优化和验证。 SCI REP 2020; 10：21285。 8。 Hua K，Zhang J，Wakana S，Jiang H，Li X，Reich DS等。 立体定位空间中的道概率图：白质解剖结构和特定于区域的分析。 Neuroimage 2008; 39：336-47。Science 2020; 369：988-92。2。Andersson JL，Sotiropoulos SN。 一种校正方法的综合方法，以扩散MR成像中的非谐波效应和受试者运动。 Neuroimage 2016; 125：1063-78。 3。 Avants BB，Tustison NJ，Song G，Cook PA，Klein A，Gee JC。 对大脑图像注册中蚂蚁相似性表现的可重复评估。 Neuroimage 2011; 54：2033-44。 4。 Calamante F，Tournier JD，Heidemann RM，Anwander A，Jackson GD，Connelly A. 跟踪密度成像（TDI）：超级分辨率属性的验证。 Neuroimage 2011; 56：1259-66。 5。 Fonov V，Evans A，McKinstry R，Almli C，CollinsD。从出生到成年期，无偏见的非线性平均适合年龄的脑模板。 Neuroimage 2009; 47：S102。 6。 Glasser MF，Smith SM，Marcus DS，Andersson JL，Auerbach EJ，Behrens TE等。 人类Connectome项目的神经影像学方法。 Nat Neurosci 2016; 19：1175-87。 7。 Gutierrez CE，Skibbe H，Nakae K，Tsukada H，Lienard J，Watakabe A等。 用神经示踪剂数据作为参考的基于扩散MRI的光纤跟踪的优化和验证。 SCI REP 2020; 10：21285。 8。 Hua K，Zhang J，Wakana S，Jiang H，Li X，Reich DS等。 立体定位空间中的道概率图：白质解剖结构和特定于区域的分析。 Neuroimage 2008; 39：336-47。Andersson JL，Sotiropoulos SN。一种校正方法的综合方法，以扩散MR成像中的非谐波效应和受试者运动。Neuroimage 2016; 125：1063-78。3。Avants BB，Tustison NJ，Song G，Cook PA，Klein A，Gee JC。对大脑图像注册中蚂蚁相似性表现的可重复评估。Neuroimage 2011; 54：2033-44。4。Calamante F，Tournier JD，Heidemann RM，Anwander A，Jackson GD，Connelly A.跟踪密度成像（TDI）：超级分辨率属性的验证。Neuroimage 2011; 56：1259-66。5。Fonov V，Evans A，McKinstry R，Almli C，CollinsD。从出生到成年期，无偏见的非线性平均适合年龄的脑模板。Neuroimage 2009; 47：S102。6。Glasser MF，Smith SM，Marcus DS，Andersson JL，Auerbach EJ，Behrens TE等。人类Connectome项目的神经影像学方法。Nat Neurosci 2016; 19：1175-87。7。Gutierrez CE，Skibbe H，Nakae K，Tsukada H，Lienard J，Watakabe A等。用神经示踪剂数据作为参考的基于扩散MRI的光纤跟踪的优化和验证。SCI REP 2020; 10：21285。8。Hua K，Zhang J，Wakana S，Jiang H，Li X，Reich DS等。 立体定位空间中的道概率图：白质解剖结构和特定于区域的分析。 Neuroimage 2008; 39：336-47。Hua K，Zhang J，Wakana S，Jiang H，Li X，Reich DS等。道概率图：白质解剖结构和特定于区域的分析。Neuroimage 2008; 39：336-47。9。Jenkinson M，Bannister P，Brady M，SmithS。改进了对脑图像的鲁棒和准确的线性注册和运动校正的优化。Neuroimage 2002; 17：825-41。10。Jenkinson M，Beckmann CF，Behrens TE，Woolrich MW，
从磁共振成像中对胎儿大脑进行半自动分割
1. Wu Y、Lu YC、Jacobs M、Pradhan S、Kapse K、Zhao L 等人。产前母亲心理困扰与胎儿大脑生长、代谢和皮质成熟的关系。JAMA Netw open。2020；3：e1919940–e1919940。doi：10.1001/jamanetworkopen.2019.19940 2. Ebner M、Wang G、Li W、Aertsen M、Patel PA、Aughwane R 等人。胎儿脑部 MRI 定位、分割和超分辨率重建的自动化框架。神经影像。2020；206。 doi:10.1016/j.neuroimage.2019.116324 3. Goldberg E、McKenzie CA、de Vrijer B、Eagleson R、de Ribaupierre S。胎儿对母亲内部听觉刺激的反应。J Magn Reson Imaging。2020 年；1-7。doi:10.1002/jmri.27033 4. Ebner M、Wang G、Li W、Aertsen M、Patel PA、Aughwane R 等人。胎儿脑 MRI 的自动定位、分割和重建框架。医学图像计算和计算机辅助干预。Cham；2018 年，第 313-320 页。5. Avants B、Tustison N、Johnson H。高级规范化工具 (ANTS)。Insight J。2009 年； 1–35。6. Avants BB、Epstein CL、Grossman M、Gee JC。具有互相关的对称微分同胚图像配准：评估老年人和神经退行性脑部的自动标记。Med Image Anal。2008；12：26–41。doi：https://doi.org/10.1016/j.media.2007.06.004 7. Jenkinson M、Smith S。一种用于脑部图像稳健仿射配准的全局优化方法。Med Image Anal。2001；5：143–156。 doi:https://doi.org/10.1016/S1361- 8415(01)00036-6 8. Jenkinson M、Bannister P、Brady M、Smith S。改进的优化方法，以实现脑图像的稳健和精确线性配准和运动校正。神经影像。2002；17：825-841。doi:https://doi.org/10.1006/nimg.2002.1132 9. Klein A、Andersson J、Ardekani BA、Ashburner J、Avants B、Chiang MC 等人。评估 14 种非线性变形算法在人脑 MRI 配准中的应用。神经影像。2009；46：786-802。 doi:10.1016/j.neuroimage.2008.12.037 10. Nosarti C、Murray RM、Hack M 编辑。早产的神经发育结果。剑桥：剑桥大学出版社；2010 年。doi:10.1017/CBO9780511712166 11. Blencowe H、Lee ACC、Cousens S、Bahalim A、Narwal R、Zhong N 等。2010 年区域和全球范围内早产相关神经发育障碍估计值。儿科研究。2013；74：17–34。doi:10.1038/pr.2013.204