要約
頭部MRIの前処理は、生データの画像を強度正規化され、頭蓋骨が除去された脳の標準座標空間に変換することを含みます。本論文では、個々のサブタスクに対する監督なしで大規模なデータセット上に訓練されたニューラルネットワークを用いて、これらの3つのサブタスクを同時に解決するためのエンドツーエンドの弱教師あり学習アプローチであるNeural Pre-processing (NPP) を提案します。全体的な目的が非常に制約不足であるため、我々は幾何学的に保たれる強度マッピング（頭蓋骨除去と強度正規化）と空間変換（空間正規化）を明示的に分離しました。定量的な結果は、単一のサブタスクのみに対処する最先端の手法よりも我々のモデルが優れていることを示しています。我々がNPPのために選択したアーキテクチャ設計の重要性を示すために、アブレーション実験を行いました。さらに、NPPはユーザーに対して推論時に各タスクを制御する柔軟性を提供します。コードとモデルは \url{https://github.com/Novestars/Neural-Pre-processing} から自由に利用可能です。