基于时空深度学习的腹部粘连动态磁共振成像检测
图像与视频处理
2021-06-16 v1 计算机视觉与模式识别
摘要
粘连是腹部手术后慢性疼痛的一个重要原因。腹部动态磁共振成像（cine-MRI）的最新发展使得粘连的非侵入性诊断成为可能。在动态磁共振成像中，粘连通过运动时滑动运动的缺失来识别。粘连的诊断与定位改善了疼痛患者的管理。从放射学和深度学习两个角度来看，在动态磁共振成像上检测腹部粘连都具有挑战性。我们专注于对矢状位腹部动态磁共振成像序列中是否存在粘连进行分类。我们尝试了以 ConvGRU 架构为核心的时空深度学习架构。由 ResNet 后接 ConvGRU 模型组成的混合架构能够对整段时间序列进行分类。与以两个时间点（吸气/呼气）作为输入的独立 ResNet 相比，我们的分类性能（AUROC）从 0.74 提升至 0.83（）。我们的全时间分类方法仅给整个架构增加了少量（5%）参数，这可能有益于其他具有时间维度的医学成像问题。
引用
@article{arxiv.2106.08094,
title = {Cine-MRI detection of abdominal adhesions with spatio-temporal deep learning},
author = {Bram de Wilde and Richard P. G. ten Broek and Henkjan Huisman},
journal= {arXiv preprint arXiv:2106.08094},
year = {2021}
}
备注
Accepted at MIDL 2021 as short paper