机器学习在质子磁共振波谱工作流程中的应用综述
医学物理
2025-07-11 v1
摘要
本文献综述全面概述了机器学习（ML）在质子磁共振波谱（MRS）中的应用。随着ML技术在MRS中的使用不断增长，本综述旨在为MRS领域提供最先进方法的结构化概览。具体而言，我们考察并总结了2017年至2023年间磁共振领域主要期刊发表的研究。我们依据典型的MRS工作流程对这些研究进行分类，包括数据采集、处理、分析和人工数据生成。我们的综述揭示，MRS中的ML仍处于早期阶段，主要关注处理和分析技术，对数据采集的关注较少。我们还发现许多研究使用相似的模型架构，很少与替代架构进行比较。此外，人工数据的生成是一个关键主题，但其生成方法并不一致。而且，许多研究表明人工数据在体（in-vivo）数据测试时存在泛化问题。我们亦得出结论，与ML模型相关的风险应得到解决，特别是针对临床应用。因此，输出不确定性度量和模型偏差至关重要，有待研究。尽管如此，MRS中ML的快速发展以及所综述研究的有前景结果证明了该领域进一步研究的合理性。
引用
@article{arxiv.2305.09621,
title = {A Review of Machine Learning Applications for the Proton Magnetic Resonance Spectroscopy Workflow},
author = {Dennis M. J. van de Sande and Julian P. Merkofer and Sina Amirrajab and Mitko Veta and Ruud J. G. van Sloun and Maarten J. Versluis and Jacobus F. A. Jansen and Johan S. van den Brink and Marcel Breeuwer},
journal= {arXiv preprint arXiv:2305.09621},
year = {2025}
}