特徴空間変換による転送学習：スキャナー全体の海馬セグメンテーションの方法

MR脳セグメンテーションの多くの成功したアプローチは、テスト画像をセグメントに代表する手動でラベル付けされたトレーニング画像を必要とする監視付きボクセル分類を使用しています。ただし、このような方法のパフォーマンスは、さまざまなスキャナーまたはスキャンパラメーターでトレーニングとテスト画像が取得されると、しばしば悪化します。この論文では、機能表現のこのような違いを克服するための機能空間変換（FST）を提案します。提案されたFSTは、ソーススキャンプロトコルとターゲットスキャンプロトコルの両方でスキャンされた被験者の非標識画像から派生しています。アフィン登録の後、これらの画像は、特徴空間のソースボクセルとターゲットボクセルの間のマッピングを提供します。このマッピングは、すべてのトレーニングサンプルをテストサンプルの特徴表現にマッピングするために使用されます。提案されたFSTの利点を海馬のセグメンテーションに評価しました。実験は2つのデータセットで実行されました。1つはトレーニングとテスト画像の違いが比較的小さな違いがあり、もう1つは大きな違いがあります。どちらの場合も、FSTは画像正規化のみを使用するのと比較して、パフォーマンスを大幅に改善しました。さらに、スキャナー間に大きな違いがある場合に、FSTを使用して最先端のパッチベースのアトラス融合技術のパフォーマンスを改善できることを示しました。

Many successful approaches in MR brain segmentation use supervised voxel classification, which requires manually labeled training images that are representative of the test images to segment. However, the performance of such methods often deteriorates if training and test images are acquired with different scanners or scanning parameters, since this leads to differences in feature representations between training and test data. In this paper we propose a feature-space transformation (FST) to overcome such differences in feature representations. The proposed FST is derived from unlabeled images of a subject that was scanned with both the source and the target scan protocol. After an affine registration, these images give a mapping between source and target voxels in the feature space. This mapping is then used to map all training samples to the feature representation of the test samples. We evaluated the benefit of the proposed FST on hippocampus segmentation. Experiments were performed on two datasets: one with relatively small differences between training and test images and one with large differences. In both cases, the FST significantly improved the performance compared to using only image normalization. Additionally, we showed that our FST can be used to improve the performance of a state-of-the-art patch-based-atlas-fusion technique in case of large differences between scanners.