新智元|FastSurfer深度学习脑部成像工具：1分钟脑部分割，1小时皮质重建！( 二 )
本文插图
上图显示了FastSurfer网络体系结构 。 该网络由编码器和解码器部分中的四个竞争密集块（CDB）组成 ， 并由瓶颈层隔开 。 除第一个编码器块外 ， 每个块均由参数整流线性单元（PReLU） ， 卷积（Conv）和批量归一化（BN）的三个序列组成 。 在第一个块中 ， 将PReLU替换为BN以标准化原始输入 。
对于FastSurferCNN ， 这个深度学习框架第一个要做的工作就是提供准确的3D全脑分割 。 研究人员利用一种新颖的光谱方法（使用Laplace特征函数快速绘制皮层）执行皮质表面重建和快速球面映射 。
本文插图
数据集训练时 ， 利用的是来自ABIDE-II ， ADNI ， LA5C和OASIS的140名代表性受试者信息 ， 并使用来自MIRIAD的20名受试者进行验证 。 训练集在性别 ， 年龄 ， 诊断方面是平衡的 ， 并且涵盖了其他各种参数（即扫描仪 ， 场强和采集参数） 。
本文插图
训练图像中足够的解剖结构和采集多样性可以提高网络的鲁棒性 ， 通用性 ， 并最终在大多数看不见的扫描中提高分割精度 ， 而无需微调模型权重 。
recon-surf：重建大脑
在利用深度学习框架分析了大脑的信息之后 ， 需要将其重建 。 首先 ， 使用移动立方体算法重建曲面 。 然后 ， 将一种新的 ， 快速的频谱映射到球体 。 在这里 ， 我们将使用原始FreeSurfer模块（mri_tessellate和mris_sphere）这两个步骤 ， 其他方面与FastSurfer相同 。 需要量化的有：拓扑表面缺陷的数量 ， 所产生的表面三角形网格的平均质量 。
本文插图
【新智元|FastSurfer深度学习脑部成像工具：1分钟脑部分割，1小时皮质重建！】使用移动立方体构造曲面时 ， FreeSurfer模块的工作流中的平均缺陷数（每半球27.2个缺陷）减少了12％（24.0个缺陷） ， 而在拟建工作流中（FastSurfer：移动立方体+光谱球面投影）减少了15.3％（23.1个缺陷） 。 FastSurfer的平均表面处理时间每半球显着减少了15分钟 。
参考链接：https://www.sciencedirect.com/science/article/pii/S1053811920304985?via%3Dihub
推荐阅读
- 新智元|英国5G建设病急乱投医，这两家日本企业或成华为接盘侠
- 青年|西安邮电大学与安康汉滨区深度合作，研发适合毛绒玩具全产业链实用技术
- 科学|亚太卫星深度报告（上）：卫星这块蛋糕有多大？
- 新智元|两图生万物！这个超强图像转换神器，小样本一秒猫狗合体变新物种
- |麦哥说电商：深度揭秘信息流创意曝光机制
- 新智元|TikTok被爆与谷歌云签署8亿美元合同，白宫：卖给美国公司也不行
- 滑翔机|10619米！“海燕-X”刷新水下滑翔机下潜深度世界纪录
- 人工智能|深度剖析大型制药企业的生产力：一项撼动制药业的关键研究
- 新智元|MIT发出“算力”警告：深度学习正在逼近计算极限
- 新智元|史无前例被黑，推特有内鬼！