脉络膜丛(CP)是产生大部分脑脊液(CSF)的大脑的心室的结构。几个淘汰的课后和体内研究已经指出了它们在多发性硬化症(MS)中的炎症过程中的作用。因此,来自MRI的CP的自动分割具有高价值,用于研究其在大型患者的大队列中的特征。据我们所知,CP分段唯一可自由的工具是FreeSurfer,但其对该特定结构的准确性很差。在本文中,我们建议自动从非对比度增强的T1加权MRI自动分段。为此,我们介绍了一种基于轴向多层截图(MLP)的组件的“Axial-MLP”的新模型。这是最近的作品启发,表明,变压器的自我注意层可以用MLPS取代。系统地与标准的3D U-Net,NNU-Net,FreeSurfer和Fastsurefer系统地进行系统地进行系统地进行系统地进行。对于我们的实验,我们利用141个受试者的数据集(44个对照和97名MS患者)。我们展示所有测试的深度学习(DL)方法优于FreeSurfer(DIC为0.7的骰子,对于FreeSurfer的DL 0.33)。 Axial-MLP与U-Net竞争竞争,即使它略有略低于准确。我们纸张的结论是两倍:1)学习的深度学习方法可能是研究CP在MS患者的大型队列中的有用工具; 2)〜Axial-MLP是用于这种任务的卷积神经网络的潜在可行的替代方案,尽管它可以从进一步的改进中受益。
translated by 谷歌翻译