基于深度学习的脑片图像区域划分方法

作者：王松伟^*; 赵秋阳; 王宇航; 饶小平

来源：计算机应用, 2020, 40(04): 1202-1208.

• 区域划分
• 配准
• 空间变换网络
• 无监督
• 多模态

针对采用传统多模态配准方法进行小鼠脑片图像自动化区域划分精度差的问题,提出一种无监督多模态的脑片图像区域划分方法。首先,基于小鼠脑图谱获得脑片区域划分对应的ARA(Allen Reference Atlases)数据库中的Atlas脑图谱和Average Template脑图谱;然后,通过仿射变换预处理和PCANet-SR(Principal Component AnalysisNet-based Structural Representation)网络处理将Average Template脑图谱与小鼠脑切片进行预配准及同模态转换,再根据U-net及空间变换网络实现无监督配准,并将配准变形关系作用到Atlas脑图谱上;最后,提取配准变形后的Atlas脑图谱的边缘轮廓并与原始小鼠脑切片进行融合,从而实现脑片图像的区域划分。实验结果表明,与现有PCANet-SR+B样条配准方法相比,所提方法的配准精度指标的均方根误差(RMSE)降低了1. 6%,相关系数(CC)和互信息(MI)值分别提高了3. 5%、0. 78%;可快速实现无监督多模态的脑片图像配准任务,且使得脑片区域划分准确。

• 单位
  中国科学院武汉物理与数学研究所; 郑州大学