磁共振成像(MRI)数据由于设备制造商,扫描协议和受试者间变异性的差异而具有异质性。减轻MR图像异质性的一种常规方法是应用预处理转换,例如解剖学比对,体素重新采样,信号强度均衡,图像降解和利益区域的定位(ROI)。尽管预处理管道标准化了图像外观,但其对图像分割质量和深度神经网络(DNN)的其他下游任务的影响从未经过严格研究。在这里,我们报告了一项关于TCIA-GBM开源数据集的多模式MRI MRI脑癌图像分割的全面研究。我们的结果表明,大多数流行的标准化步骤对人工神经网络的性能没有任何价值。此外,预处理可以妨碍模型性能。我们建议,由于信号差异降低了图像标准化,图像强度归一化方法不会导致模型准确性。最后,如果根据临床相关的指标来衡量,我们表明了型型型在数据预处理中的贡献几乎可以忽略不计。我们表明,准确分析的唯一必不可少的转换是整个数据集的体素间距的统一。相反,非刚性地图集注册形式的解剖学对齐不是必需的,大多数强度均衡步骤不能提高模型的生产力。
translated by 谷歌翻译