终检评审中 创新训练 520计算机科学技术 医疗健康校级

脑白质是大脑内部神经纤维连接的聚集。白质纤维束分割研究根据神经纤维所连接的区域将脑白质划分为不同类别的白质纤维束，得到特定的神经通路，进而对脑白质进行更具有特异性的分析。这些分析可以为神经学家提供不同脑区的连接关系，相关作用原理和病理机理等信息，其应用在青少年心理健康、抑郁症发病机制和帕金森病视功能障碍等领域具有重要意义。 传统的白质纤维束分割依赖人工和解剖经验，需要对目标白质纤维束中应包含的纤维流线进行提取，实现白质纤维束的手动分割。这些方法依赖于神经学专家的解剖知识和手术经验，耗时长且可重复性低。近年来，深度学习等自动化方法逐渐被应用到白质纤维束分割问题中，极大地提升了分割效率和分割稳定性。需要关注的是，白质纤维束分割基于深度学习的训练对有标注数据的需求量大，而标注耗时耗力，难以提供大量的训练数据，导致临床场景下使用有标注数据训练网络的可行性较低。 在这一语境下，项目针对白质纤维束标注有限的情况进行创新，采用嵌套的自监督学习方法和迁移学习方法，有效提高分割的准确性。项目利用大量无标注数据提高在少标注情况下白质纤维束的分割性能，采用更好的初始化方法提高了新类别束在仅有极少量标注情况下的分割准确性，克服传统方法难以获得大量标注数据的问题，旨在让基于少量临床数据的精准白质纤维束分割成为可能。