基于深度神经网络的静息态fMRI伪影自动去除
图像与视频处理
2023-10-10 v2
摘要
功能磁共振成像（fMRI）是一种研究大脑活动的非侵入性技术。在fMRI扫描期间，受试者执行一组任务（任务相关fMRI研究）或不执行任务（静息态fMRI），并获得一系列三维脑图像以进行进一步分析。在fMRI过程中，某些激活源是由噪声和伪影引起的。在分析大脑激活之前，去除这些源是必不可少的。深度神经网络（DNN）架构可用于去噪和伪影去除。DNN模型的主要优势在于给定原始数据后可自动学习抽象且有意义的特徴。本工作提出了先进的DNN架构，用于静息态fMRI扫描中利用空间和时间信息进行噪声与伪影分类。最高性能由使用所有域信息的投票方案实现，平均准确率超过98%，且在灵敏度和特异度指标之间取得非常好的平衡（分别为98.5%和97.5%）。
引用
@article{arxiv.2011.12113,
title = {Automatic artifact removal of resting-state fMRI with Deep Neural Networks},
author = {Christos Theodoropoulos and Christos Chatzichristos and Sabine Van Huffel},
journal= {arXiv preprint arXiv:2011.12113},
year = {2023}
}
备注
EUSIPCO 2021 (presented)