一种面向轻度创伤性脑损伤识别的基于扩散 MRI 的深度无监督学习方法
计算机视觉与模式识别
2018-04-13 v2
摘要
轻度创伤性脑损伤是一个日益严重的公共卫生问题，据估计美国每年发病率超过 170 万人。诊断基于临床病史和症状，缺乏准确、具体的损伤测量手段。本工作旨在通过将深度学习技术相结合，直接利用创伤后一个月内获得的扩散 MR 图像来检测损伤。为克服训练数据有限的挑战，我们使用词袋表示来描述每个脑区，该表示给出了代表性块模式分布。我们应用卷积自编码器从无监督方法中学习来自 MR 图像提取的重叠图像块的块级特征，从而从脑扩散 MR 图像中学习特征。实验结果表明，使用自编码器学习的块级特征的词袋表示与使用原始块模式的性能相近，二者均显著优于依赖所选脑区 MR 度量平均值的早期工作。
引用
@article{arxiv.1802.02925,
title = {A Deep Unsupervised Learning Approach Toward MTBI Identification Using Diffusion MRI},
author = {Shervin Minaee and Yao Wang and Anna Choromanska and Sohae Chung and Xiuyuan Wang and Els Fieremans and Steven Flanagan and Joseph Rath and Yvonne W Lui},
journal= {arXiv preprint arXiv:1802.02925},
year = {2018}
}
备注
arXiv admin note: text overlap with arXiv:1710.06824