迈向临床诊断：使用卷积神经网络对多光谱MR图像进行自动中风病灶分割

患有缺血性卒中的患者最可能从最早的明确诊断中获益。尽管在磁共振图像（MRI）上定量评估卒中病变在临床诊断中是有效的，但通常使用手动分割卒中病变，但这是一项繁琐且耗时的任务。 因此，近来如何以全自动的方式分割中风病灶已引起广泛关注。 考虑到临床获得的MRI通常具有较厚的切片，我们提出了一种基于2D切片的分割方法。 特别是，我们使用多光谱MRI，即扩散加权图像，表观扩散系数和T2加权图像作为输入，并提出了残差结构的完全卷积网络（Res-FCN）。 拟议的Res-FCN在具有212个临床获得的MRI的大型数据集上进行训练和评估，其平均骰子系数为0.645，每位受试者的假阴性病变平均数为1.515。 拟议的Res-FCN在公共数据集ISLES2015-SISS上进行了进一步评估，在所有基于2D切片的分割方法中均显示出非常有竞争力的结果。