深層学習を用いたコントラスト非依存の脊髄セグメンテーション

過去10年間で脊髄をセグメント化するいくつかの方法が登場しました。しかし、これらは画像のコントラストに依存しており、神経変性疾患において関連するバイオマーカーである脊髄断面積（CSA）の違いをもたらします。我々は、MRIコントラストに関係なく同じセグメンテーションを生成する新しい深層学習手法を提案します。さらに、このセグメンテーションは「ソフト」（非バイナリ）であり、部分的ボリューム情報をエンコードできます。このコントラスト非依存のソフトセグメンテーション法で計算されたCSAは、被験者内および被験者間の変動が低く、多施設研究に特に関連性があります。