CAMRI2020——大鼠和小鼠脑 MRI头骨剥离分割

今天将分享大鼠和小鼠脑 MRI头骨剥离分割完整实现版本，为了方便大家学习理解整个流程，将整个流程步骤进行了整理，并给出详细的步骤结果。感兴趣的朋友赶紧动手试一试吧。

一、CAMRI2020介绍

磁共振成像（Magnetic resonance imaging, MRI）是临床前啮齿动物模型中广泛应用于研究脑解剖与功能的重要技术。为了实现个体数据标准化并促进群体水平的比较，预处理必须去除非脑组织（即颅骨剥离，skull strip）；若不进行该步骤，自动配准过程往往会因脑外信号干扰而失败。在许多情况下，颅骨剥离是通过在每个切片上手工勾画脑区掩膜完成的，这一过程耗时且依赖操作者经验。理想情况下，自动化颅骨剥离工具能够简化预处理流程，避免人为偏差，并在处理大规模数据集时显著提升研究效率。在人类 MRI 研究中，已有多种自动化脑提取工具被开发并得到广泛应用。然而，由于脑/头皮组织几何结构、脑-头皮距离下的图像分辨率、颅骨周围组织对比度差异以及因外科操作导致的信号伪影等差异，这些工具并不适用于啮齿动物。此外，啮齿动物的脑 MRI 通常在高场（>7T）条件下采集，并伴随较强的射频（RF）线圈不均匀性。更强的磁敏感伪影与场偏差进一步增加了颅骨剥离的难度。迄今为止，已有若干尝试专门针对啮齿动物的颅骨分割问题，但这些方法的共同局限在于：分割性能会因脑体积、形态、纹理及对比度差异而变化，因此往往需要针对不同 MRI 协议进行优化。综上所述，开发一种能够适应多种数据类型并具备准确性与一致性的啮齿动物颅骨剥离工具，具有重要意义。与基于人工规则的方法不同，基于学习的方法通过内建的特征工程与分类器学习映射函数，更可能在多种成像模态下表现出更强的鲁棒性。特别是深度学习方法，将特征工程与分类器统一在一个框架中，在众多医学影像识别任务中已取得了卓越的性能。

二、CAMRI2020任务

大鼠和小鼠脑 MRI头骨剥离。

三、CAMRI2020数据集

CAMRI 数据集由 132 只不同品系的成年雄性大鼠和16只成年野生型 C57Bl/6J 品系小鼠组成。每只动物均采集了 T2w RARE 和 T2∗w EPI 序列。在 132 只大鼠中，69 只大鼠的 T2w RARE 与 T2∗w EPI 分辨率分别为 0.1 mm × 0.1 mm × 1 mm 和 0.32 mm × 0.32 mm × 1 mm；其余 63 只大鼠的 T2w RARE 与 T2∗w EPI 分辨率分别为 0.2 mm 各向同性和 0.4 mm 各向同性。对于小鼠，T2w RARE 与 T2∗w EPI 的分辨率分别为 0.16 mm 各向同性和0.32 mm各向同性。所有CAMRI数据均在 Bruker 9.4T 系统上采集。

数据下载：

https://openneuro.org/datasets/ds002870/versions/1.0.0，

https://openneuro.org/datasets/ds002868/versions/1.0.0

四、技术路线

1、将图像缩放到固定大小128x128x128，然后采用均值为0，方差为1的方式进行归一化处理，再将数据分成训练集和验证集。

2、搭建Vnet3d网络，使用AdamW优化器，学习率是0.001，batchsize是4，epoch是300，损失函数采用交叉熵+dice。