基于深度学习的从心肌灌注 MRI 预测动力学参数
图像与视频处理
2019-07-30 v1 计算机视觉与模式识别
医学物理
定量方法
摘要
心肌灌注 MRI 的定量评估有潜力提供快速、自动化且独立于使用者的心肌缺血评估。然而，由于所获取数据噪声水平较高、时间分辨率较低，以及示踪剂动力学模型的复杂性，模型拟合可能产生不可靠的参数估计。该问题的一个解决方案是使用贝叶斯推断，其可纳入先验知识并提高参数估计的可靠性。但这使用马尔可夫链蒙特卡洛采样来近似动力学参数的后验分布，极其耗时。本工作提出训练卷积网络直接从信号强度曲线预测动力学参数，网络使用由贝叶斯推断获得的估计进行训练。这允许以与贝叶斯推断相近的性能快速估计动力学参数。
引用
@article{arxiv.1907.11899,
title = {Deep learning-based prediction of kinetic parameters from myocardial perfusion MRI},
author = {Cian M. Scannell and Piet van den Bosch and Amedeo Chiribiri and Jack Lee and Marcel Breeuwer and Mitko Veta},
journal= {arXiv preprint arXiv:1907.11899},
year = {2019}
}
备注
Medical Imaging with Deep Learning: MIDL 2019 Extended Abstract Track. MIDL 2019 [arXiv:1907.08612]