RESSEG

使用PyTorch 1.7.1训练的卷积神经网络（CNN）从磁共振图像（MRI）中自动分割术后脑切除空腔。

安装

建议使用 conda。

一个6GB的GPU足以在一个大小为193 × 229 × 193的MNI空间中分割一个图像。

conda create -n resseg python=3.8 -y
conda activate resseg
pip install light-the-torch
ltt install torch
pip install resseg
resseg --help

使用方法

以下是肿瘤和癫痫手术腔隙分割的两个示例。癫痫示例包括注册到MNI空间。这两个示例都可以通过Google Colab在线运行

BITE

使用来自肿瘤图像评估数据库（BITE）的图像的示例。

BITE=`resseg-download bite`
resseg $BITE -o bite_seg.nii.gz

EPISURG

使用来自EPISURG数据集的图像的示例。当图像位于MNI空间时，分割效果最佳，因此resseg包含一个用于此目的的工具（需要`antspyx）。

pip install antspyx
EPISURG=`resseg-download episurg`
resseg-mni $EPISURG -t episurg_to_mni.tfm
resseg $EPISURG -o episurg_seg.nii.gz -t episurg_to_mni.tfm

训练模型

可以在不安装resseg的情况下使用训练模型，但您需要先安装unet。

pip install unet==0.7.7

然后，在Python中

import torch
repo = 'fepegar/resseg'
model_name = 'ressegnet'
model = torch.hub.load(repo, model_name, pretrained=True)

使用3D Slicer的图形用户界面

有一个基于3D Slicer的实验性图形用户界面（GUI）。

访问此存储库获取更多信息以及安装说明。

绘制切除结构

可以使用使用GIF（3.0）或FreeSurfer计算的脑部分割对切除结构进行定量分析。

from resseg.parcellation import GIFParcellation, FreeSurferParcellation
parcellation_path = 't1_seg_gif.nii.gz'
cavity_seg_on_preop_path = 'cavity_on_preop.nii.gz'
parcellation = GIFParcellation(parcellation_path)

我使用海马体附近的一个球体来模拟切除腔的分割，并使用TorchIO的FPG数据集中的GIF分割。

parcellation.print_percentage_of_resected_structures(cavity_seg_on_preop_path)

Percentage of each resected structure:
100% of Left vessel
 83% of Left Inf Lat Vent
 59% of Left Amygdala
 58% of Left Hippocampus
 26% of Left PIns posterior insula
 24% of Left PP planum polare
 21% of Left Basal Forebrain
 18% of Left Claustrum
 16% of Left PHG parahippocampal gyrus
 15% of Left Pallidum
 15% of Left Ent entorhinal area
 13% of Left FuG fusiform gyrus
 13% of Left Temporal White Matter
 11% of Left Putamen
 10% of Left Insula White Matter
  5% of Left ITG inferior temporal gyrus
  5% of Left periventricular white matter
  5% of Left Ventral DC

The resection volume is composed of:
 30% is Left Temporal White Matter
 12% is Left Hippocampus
 10% is Left Insula White Matter
  7% is Left FuG fusiform gyrus
  6% is Left Amygdala
  4% is Left ITG inferior temporal gyrus
  4% is Left PP planum polare
  3% is Left Putamen
  3% is Left Claustrum
  3% is Left PIns posterior insula
  3% is Left PHG parahippocampal gyrus
  2% is [Unkown label: 4]
  1% is Left Ent entorhinal area
  1% is Left Pallidum
  1% is Left Inf Lat Vent
  1% is Left Ventral DC

parcellation.plot_bars(cavity_seg_on_preop_path)

parcellation.plot_pie(cavity_seg_on_preop_path)

致谢

如果您在研究中使用了此库，请引用以下出版物

F. Pérez-García等人，2020年，《使用自监督和半监督学习模拟脑切除腔分割》.

F. Pérez-García等人，2021年，《模拟切除术后脑腔分割的自监督学习方法》.

如果您使用了用于训练模型的EPISURG数据集，请引用以下出版物

F. Pérez-García等人，2020年，《EPISURG：用于难治性癫痫切除神经外科定量分析术后磁共振成像（MRI）数据集》。伦敦大学学院。数据集。

另请参阅

• resector用于训练期间模拟脑切除
• TorchIO也被广泛使用。两个resseg和resector都需要这个库。