AxonNet：一种用于从 DW-MRI 进行体素内结构估计的自监督深度神经网络
图像与视频处理
2022-01-02 v1 计算机视觉与模式识别
机器学习
摘要
我们提出了一种基于深度学习技术从 DW-MRI 估计体素内参数的方法。我们表明神经网络（DNNs）有潜力从扩散加权信号中提取信息以重建脑纤维束。我们提出了两种 DNN 模型：一种以体素形式估计轴突结构，另一种利用体素邻域计算中心体素的结构。我们的方法基于针对该问题提出的参数表示。由于对于任何采集协议实际上都不可能拥有真实标注数据，我们采用了自监督策略。合成数据与真实数据的实验表明我们的方法具有竞争力，且计算时间显示即便考虑训练时间，我们的方法也比 SOTA 方法更快。若考虑以相同采集协议预测多幅图像，这一计算优势还会增加。
引用
@article{arxiv.2103.11006,
title = {AxonNet: A self-supervised Deep Neural Network for Intravoxel Structure Estimation from DW-MRI},
author = {Hanna Ehrlich and Mariano Rivera},
journal= {arXiv preprint arXiv:2103.11006},
year = {2022}
}