해부학적 뇌 분할을 위한 심층 신경망

우리는 인간의 뇌의 자기 공명(MR) 영상을 해부학적 영역으로 자동으로 분할하는 새로운 접근 방법을 제시합니다. 우리의 방법론은 MR 영상의 각 복셀을 해당 해부학적 영역에 할당하는 심층 인공 신경망에 기반합니다. 네트워크의 입력은 관심 복셀 주위의 다양한 스케일에서 정보를 캡처합니다: 3D 및 직교 2D 강도 패치는 지역 공간 컨텍스트를 캡처하는 반면, 축소된 대형 2D 직교 패치와 지역 중심까지 거리 정보는 전역 공간 일관성을 강화합니다. 일반적으로 사용되는 분할 방법과는 달리, 우리의 기술은 MR 영상의 비선형 등록을 요구하지 않습니다. 우리의 모델을 벤치마크하기 위해, 우리는 MICCAI 2012 다중 아틀라스 라벨링 도전 과제를 위해 제공된 데이터 세트를 사용했습니다. 이 데이터 세트는 35개의 수동으로 분할된 MR 뇌 영상을 포함합니다. 우리는 경쟁력 있는 결과(평균 다이스 계수 0.725, 오류율 0.163)를 얻어 우리의 접근법의 가능성을 보여주었습니다. 우리가 아는 한, 우리의 기술은 심층 신경망을 사용하여 전체 뇌의 해부학적 분할을 다루는 최초의 기술입니다.