脑叶

使用深度学习自动分割多发性硬化症病变的脑叶并提取特征

摘要：本研究重点是自动分割多发性硬化症 (MS) 病变 MRI 图像中的脑叶，以提取预测残疾程度的关键特征。由于病变特征的多变性和 MRI 图像的细节性质，从 MS 病变的 MRI 图像中提取重要特征确实是一项复杂的任务。此外，所有这些研究都需要持续的患者监测。因此，我们的贡献在于提出一种自动分割脑叶和提取病变特征（数量、大小、位置等）以预测 MS 患者残疾程度的方法。为了实现这一目标，我们引入了一个受 U-Net 启发的模型来对不同的脑叶进行分割，旨在准确定位 MS 病变。我们使用了两个私人和公共数据库，平均 IoU 得分为 0.70，这可以说是令人鼓舞的。在分割阶段之后，从 MS 患者的 MRI 扫描中提取了大约 7200 个特征。