Oct, 2019

FastSurfer -- 快速准确的基于深度学习的神经影像处理管道

PDF
TL;DR本研究基于深度学习提出了一种快速准确的神经影像处理流程，用于自动处理结构人脑 MRI 扫描。我们在 95 个类别中引入多元切片信息聚合，利用竞态稠密块和竞态跳跃路径实现局部和全局竞争，并通过将大脑标签直接映射到表面实现了皮质表面建模和厚度分析。在多个数据集中进行了广泛的验证，证明了该方法的高精度、高可靠性和高灵敏性。
发现论文，激发创造
  • TABSurfer：一种用于亚皮层分割的混合深度学习架构

    该研究提出了 TABSurfer，这是一种新型的 3D 基于 CNN-Transformer 深度学习模型，相较于现有的最先进工具，在次皮层分割方面表现更出色。TABSurfer 在各种 T1w MRI 数据集中表现出一致的性能，处理时间明显短于 FreeSurfer，同时在与手动分割进行验证时，TABSurfer 优于 FreeSurfer。在每个测试中，我们还证实了 TABSurfer 相对于领先的深度学习基准 FastSurferVINN 的优势。总的来说，这些研究突出了 TABSurfer 作为一种高保真度全自动次皮层分割的强大工具的实用性。

    Dec, 2023

  • NeuroNet：快速且鲁棒的多个脑图像分割流水线的复现

    NeuroNet 是一个基于深度卷积神经网络的脑分割工具，可以训练单个模型以提高各种脑成分的分割能力，并减少处理时间而增加结果的稳定性。

    Jun, 2018

  • DeepCSR：一种用于大脑皮层表面重建的三维深度学习方法

    本文提出了一种基于深度学习的 3D 框架 DeepCSR，用于从 MRI 中重建大脑皮层，并在清晰地捕捉皮层折叠的同时，能够高效地重建皮层表面，比 FreeSurfer 和 FastSurfer 更准确更快。

    Oct, 2020

  • Vox2Cortex: 基于几何深度神经网络的 3D MRI 扫描皮层表面快速显式重构

    本论文提出了一种名为 Vox2Cortex 的基于深度学习的算法，直接从 MRI 扫描中提取顶部正确且三维网格化的大脑皮层界面，相较于传统和基于深度学习的算法更快速、更精准。

    Mar, 2022

  • 基于区域的 U-net 用于加速训练和提高深度脑部分割的精度

    基于深度学习的分割方法可在较短的时间内高效准确地将大脑结构从 MRI 图像中分割出来，该方法以多区域 U-Net 为基础，将大脑分为三个感兴趣的区域，并通过并行运行三个区域 U-Net 将这些更大的结构进一步细分为各自的四个子结构。与一次性分割整个 MRI 图像相比，该方法不仅大大减少了训练和处理时间，而且显著提高了分割的准确性。本方法在平均 Dice 相似系数 (DSC) 为 0.901、95% 豪斯多夫距离 (HD95) 为 1.155 毫米的情况下取得了卓越的准确性，并与最先进的分割方法进行了比较，展示了所提出方法的高准确性和鲁棒性。

    Mar, 2024

  • MRI 中基底核分割的 3D 卷积神经网络：一项大规模研究

    本研究针对 MRI 中的次皮质脑结构分割，提出了一种 3D 全卷积神经网络。通过采用小核允许更深层次的架构，将中间层输出嵌入到最终预测中，提高了特征提取的一致性和细粒度信息的准确性。在两个公开数据集上的实验表明，该方法在大规模神经解剖学成像研究中具有很强的鲁棒性和高效性。

    Dec, 2016

  • 深度学习实现胎儿 MRI 中胎儿脑自动提取

    本论文旨在研发一种基于 2D U-net 和 autocontext 的深度卷积神经网络，用于实时分割胎儿 MRI 切片中的胎儿大脑，并将其与其他两种方法进行比较，在正常和具有挑战性的测试集中取得了优异的性能表现。

    Oct, 2017

  • FastSurfer-HypVINN: 高分辨率脑 MRI 中下丘脑及邻近结构的自动子分割

    我们提出了一种名为 HypVINN 的新型、快速、全自动的深度学习方法，用于对 0.8 毫米等效的 T1w 和 T2w 脑 MR 图像进行下丘脑及邻近结构的子分割，具有较高的分割性能和广泛的适应性。

    Aug, 2023

  • QuickNAT: 快速又准确的神经解剖分割完全卷积网络

    本文介绍了 QuickNAT 神经网络，该网络可在 20 秒内分割 MRI 大脑扫描图像，以用于快速的临床决策，并且达到了比现有技术更高的分割准确性和可靠性。

    Jan, 2018

  • 基于模板的 MRI 皮层表面重建的神经变形场

    Vox2Cortex-Flow 是一种深度网格变形技术，通过学习从大脑模板到磁共振成像扫描的皮层表面的变形场，实现皮层表面的重建，并能与白质和脑膜表面共同建模。该方法在重建精度上达到了最先进水平，并提供了皮层厚度的分区和群体分析所需的一致对应关系。

    Jan, 2024