基于注意力的卷积神经网络用于灌注T2加权MR图像预处理
图像与视频处理
2024-05-15 v1 机器学习
摘要
准确的颅骨剥离是动态磁敏感对比增强灌注磁共振数据分析中关键的预处理步骤。非脑组织存在会影响灌注参数评估。在本研究中，我们提出将空间与通道压缩激励(scSE)注意力机制以不同集成策略嵌入基线U-Net+ResNet神经网络架构，以实现自动颅骨剥离，即标准scSE、scSE-PRE、scSE-POST以及将scSE模块插入ResNet主干的scSE Identity策略。我们全面研究了在具有异常脑解剖结构的T2-star加权MR图像中颅骨剥离的性能。比较表明采用任一所提策略均可提供颅骨剥离的鲁棒性。然而，scSE-POST集成策略取得了最佳结果，平均Dice系数为0.9810。
引用
@article{arxiv.2303.02518,
title = {Attention-based convolutional neural network for perfusion T2-weighted MR images preprocessing},
author = {Svitlana Alkhimova and Oleksii Diumin},
journal= {arXiv preprint arXiv:2303.02518},
year = {2024}
}
备注
7 pages, 4 figures