| 题名 | RegAug:基于深度学习配准模型的脑MRI数据增强方法 |
| 其他题名 | RegAug:Brain MRI data augmentation based on registration learning
|
| 作者 | |
| 发表日期 | 2023
|
| DOI | |
| 发表期刊 | |
| ISSN | 1007-1482
|
| 卷号 | 28期号:4页码:323-331 |
| 摘要 | 目的 脑核磁共振图像(MRI)分割是许多医学应用中的一项重要任务.现有的深度学习分割网络可以达到最先进的性能,但是往往非常依赖于大规模的有标注数据集.然而,标记脑MRI非常昂贵,因为它需要复杂的专业知识和大量的时间、人力成本.并且常用的手动调整数据增强的方式在复杂的脑MRI上效果并不显著.因此,本文提出一种名为RegAug的基于深度学习配准模型的脑MRI自动数据增强方法,仅需要一张有金标注的样本(单图谱)结合大量无标注数据,即可合成丰富多样的增强数据,指导分割网络完成高精度分割.方法 RegAug首先使用配准模型学习图像间的空间形变场,然后利用条件可变自动编码器(CVAE)对配准网络生成的空间形变场进行概率分布建模,最后在分布中进行采样以生成分割网络使用的增强数据.RegAug在公开脑MRI数据集OASIS上进行训练和测试.结果 本文共使用了386张MRI图像,其中305张用于训练,81张用于测试.本文方法在35个大脑结构的分割上取得了0.86的Dice精度,与其它基于单图谱的分割方法相比,表现出了更优越的性能.结论 本文仅使用一张有金标注的样本,有效利用了大量无标注数据,实现了优秀的自动化数据增强,提升了下游模型的脑MRI分割表现. |
| 关键词 | |
| 相关链接 | [万方记录] |
| 语种 | 中文
|
| 学校署名 | 其他
|
| 资助项目 | JCYJ20190809120205578:深圳市基础研究专项自然科学基金
; 62071210:国家自然科学基金
; RCYX20210609103056042:深圳市科创委研究项目
; JCYJ20200925153847004:深圳市基础研究专项
; KCXFZ2020122117340001:深圳市科创委可持续发展专项基金
; 2021MK128:国家市场监督管理总局科技计划
|
| 来源库 | WanFang
|
| 万方记录号 | zgtsxytxfx202304001
|
| 引用统计 | |
| 成果类型 | 期刊论文 |
| 条目标识符 | http://sustech.caswiz.com/handle/2SGJ60CL/788068 |
| 专题 | 南方科技大学 |
| 作者单位 | 南方科技大学电子电气工程系,深圳 518055 |
| 推荐引用方式 GB/T 7714 |
李佳霖,吕俊延,程璞金,等. RegAug:基于深度学习配准模型的脑MRI数据增强方法[J]. 中国体视学与图像分析,2023,28(4):323-331.
|
| APA |
李佳霖,吕俊延,程璞金,&唐晓颖.(2023).RegAug:基于深度学习配准模型的脑MRI数据增强方法.中国体视学与图像分析,28(4),323-331.
|
| MLA |
李佳霖,et al."RegAug:基于深度学习配准模型的脑MRI数据增强方法".中国体视学与图像分析 28.4(2023):323-331.
|
| 条目包含的文件 | 条目无相关文件。 | |||||
除非特别说明，本系统中所有内容都受版权保护，并保留所有权利。
修改评论