Die Studie erweitert das hierarchische Transformer-Modell UNesT für die Ganzhirnsegmentierung, um gleichzeitig das gesamte intrakranielle Volumen (TICV) und das Volumen des hinteren Schädelgrubes (PFV) zu schätzen.
Zunächst wird das Modell auf einem großen Datensatz von 4859 T1-gewichteten 3D-Volumen mit Pseudolabels für 132 Hirnregionen vortrainiert. Anschließend wird es mit 45 T1-gewichteten 3D-Volumen aus der OASIS-Studie, die sowohl 133 Ganzhirn-Klassen als auch TICV/PFV-Labels enthalten, feinabgestimmt.
Die Ergebnisse zeigen, dass das erweiterte Modell in der Lage ist, präzise TICV/PFV-Schätzungen vorzunehmen, während die Leistung bei der Segmentierung der 132 Hirnregionen auf einem vergleichbaren Niveau bleibt. Während der Feinabstimmung wird beobachtet, dass die TICV-Schätzung die Segmentierung der 132 Hirnregionen nicht wesentlich unterstützt, was auf einen grundlegenden Zielkonflikt zwischen den beiden Aufgaben hindeutet.
To Another Language
from source content
arxiv.org
Key Insights Distilled From
by Xin Yu,Yuche... at arxiv.org 04-12-2024
https://arxiv.org/pdf/2309.04071.pdfDeeper Inquiries