BriefGPT - AI 论文速递
·
SPOCKMIP：使用最大强度投影作为损失函数增强连续性的磁共振血管分割
💡
原文中文，约700字，阅读约需2分钟。
📝
内容提要
本文介绍了一种使用最大强度投影（MIP）作为额外损失准则的方法，用于医学图像中不同大小的血管结构的识别和分割。实验结果表明，该方法能够改善血管连续性，并在感兴趣区域的视觉检查中得到了证实。
🎯
关键要点
-
医学图像中不同大小的血管结构识别对神经退行性疾病诊断至关重要。
-
高质量标注稀缺使得血管分割任务具有挑战性。
-
深度学习通过学习高级特征表示和空间连续性有效分割不同大小血管。
-
研究提出两种使用最大强度投影（MIP）作为额外损失准则的方法。
-
MIP 方法通过在三维体积的单个和多个可感知轴上应用标签分割的 MIP 来改善血管连续性。
-
引入额外损失项 MIP 损失可以改善基于补丁的训练，惩罚预测中的血管不连续性。
-
使用 StudyForrest 数据集中的 14 个体积进行训练，并评估其泛化性能。
-
多轴 MIP 损失方法的分割结果中位数 Dice 系数为 80.245，而单轴 MIP 损失方法为 79.749。
-
视觉比较显示引入 MIP 损失显著改善血管的连续性。
➡️
