基于 q 空间上下文 HemiHex 子采样的扩散 MRI 角度上采样
图像与视频处理
2022-11-02 v1 计算机视觉与模式识别
机器学习
摘要
人工智能（深度学习（DL）/机器学习（ML））技术正被广泛用于解决和克服医学成像中各种看似不可能的病态问题。在保留临床特征的前提下减少梯度方向但利用磁共振中的高角度分辨率（HAR）扩散数据，是该领域一个重要且具有挑战性的问题。尽管 DL/ML 方法前景广阔，但为数据引入相关上下文至关重要，以确保为 AI 模型推断后验提供最大先验信息。本文中，我们引入 HemiHex（HH）子采样来针对性地处理 q 空间几何上的训练数据采样问题，随后对 HH 样本进行最近邻回归训练，最终对 dMRI 数据进行上采样。早期研究尝试使用回归对 dMRI 数据进行上采样，但由于未能提供用于推断的结构化几何度量而存在性能问题。我们提出的方法是一种几何优化的回归技术，可推断未知的 q 空间，从而解决早期研究的局限。
引用
@article{arxiv.2211.00240,
title = {Angular upsampling in diffusion MRI using contextual HemiHex sub-sampling in q-space},
author = {Abrar Faiyaz and Md Nasir Uddin and Giovanni Schifitto},
journal= {arXiv preprint arXiv:2211.00240},
year = {2022}
}
备注
4 pages, 6 figures, Submitted methodology to MICCAI Challenge 2022 (QuaD22) at https://www.lpi.tel.uva.es/quad22/index.html