深度学习方法对磁共振图像进行分割已显示出在对大脑图像进行定量分析自动化方面的巨大希望。然而，持续的挑战是其对采集协议可变性的敏感性。尝试分割与训练数据中具有不同对比度属性的图像通常会导致性能显着降低。此外，异构数据集不容易评估，因为由于采集差异而导致的定量变化通常会使由于人们试图测量的生物学差异而引起的变化相形见war。在这项工作中，我们描述了一种使用交替分割和合成步骤的方法，该方法将训练数据的对比度属性调整为输入图像。这使得与训练数据不相似的输入图像可以更一致地进行分割。该方法的显着优点是仅需要采集协议的一个示例即可适应其对比度特性。我们展示了使用来自两个不同的T1加权体积方案扫描的一组人类受试者的大脑图像的方法的有效性。



"点击查看英文标题和摘要"