基于 k 空间数据增强的深度学习用于心脏 MR 运动伪影自动检测
计算机视觉与模式识别
2018-09-03 v2
摘要
医学图像的质量评估对于图像处理流程的完全自动化至关重要。对于如 UK Biobank 之类的大规模人群研究，由心脏运动引起的伪影等问题十分棘手，且人工识别繁琐耗时。因此，亟需自动图像质量评估技术。本文提出一种自动检测心脏磁共振(CMR)图像中运动相关伪影存在的方法。由于这是一个高度不平衡的分类问题（高质量图像数量多而含运动伪影图像数量少），我们提出一种新颖的基于 k 空间训练数据增强方法来解决该问题。我们的方法基于 3D 时空卷积神经网络，能够在不到 1ms 内检测出含运动伪影的 2D+时间短轴图像。我们在由 3465 张 CMR 图像组成的 UK Biobank 数据集子集上测试了算法，不仅实现了运动伪影检测的高准确率，还获得了高精确率与高召回率。我们将该方法与一系列最先进的质量评估方法进行比较。
引用
@article{arxiv.1808.05130,
title = {Deep Learning using K-space Based Data Augmentation for Automated Cardiac MR Motion Artefact Detection},
author = {Ilkay Oksuz and Bram Ruijsink and Esther Puyol-Anton and Aurelien Bustin and Gastao Cruz and Claudia Prieto and Daniel Rueckert and Julia A. Schnabel and Andrew P. King},
journal= {arXiv preprint arXiv:1808.05130},
year = {2018}
}
备注
Accepted for MICCAI2018 Conference