摘要

头部MRI预处理涉及将原始图像转换为强度归一化且去除了颅骨的标准坐标空间中的脑部图像。在本文中，我们提出了一种端到端的弱监督学习方法，称为神经预处理（Neural Pre-processing, NPP），该方法通过神经网络同时解决三个子任务，并且在训练时无需对每个子任务进行单独监督。由于总体目标高度欠约束，我们明确地分离了几何保持的强度映射（去除颅骨和强度归一化）和空间变换（空间归一化）。定量结果显示，我们的模型优于仅解决单一子任务的现有最佳方法。消融实验进一步证明了我们为NPP选择的架构设计的重要性。此外，NPP允许用户在推理时灵活控制每个任务。代码和模型可在\url{https://github.com/Novestars/Neural-Pre-processing}免费获取。