基于深度学习的乳腺动态对比增强磁共振图像自动归一化
计算机视觉与模式识别
2018-07-09 v1
摘要
目的：开发一种自动图像归一化算法，仅利用图像信息对不同 MRI 扫描仪以各种成像参数获取的乳腺动态对比增强磁共振成像（DCE-MRI）图像进行强度校正。方法：本研究使用了由不同扫描仪获取的 460 名乳腺癌受试者的 DCE-MR 图像。每名受试者有一张 T1 加权预对比图像和三张 T1 加权后对比图像。我们的归一化算法基于如下假设：不同患者中的同类组织应具有相同的体素值。我们使用四种组织/材料类型作为归一化的锚点：1) 空气，2) 脂肪组织，3) 致密组织，4) 心脏。算法按以下两步进行：首先，应用最先进的基于深度学习的算法准确高效地执行组织分割。然后，基于分割结果，在不同患者同类组织的锚点之间施加特定于受试者的分段线性映射函数，将其归一化到相同的强度范围。我们用 300 名受试者训练，其余用于测试来评估该算法。结果：将我们的算法应用于不同扫描参数的图像，显著提高了像素值和提取的放射组学特征的一致性。结论：所提出的基于组织分割的图像归一化策略可完全自动地进行强度校正，且无需扫描仪参数信息。意义：我们已对所提算法进行了充分测试，表明其能成功归一化 DCE-MR 图像的强度。我们将软件公开供他人在其分析中应用。
引用
@article{arxiv.1807.02152,
title = {Automatic deep learning-based normalization of breast dynamic contrast-enhanced magnetic resonance images},
author = {Jun Zhang and Ashirbani Saha and Brian J. Soher and Maciej A. Mazurowski},
journal= {arXiv preprint arXiv:1807.02152},
year = {2018}
}