利用深度学习开发精确人体头部模型用于个性化电磁剂量学
图像与视频处理
2020-02-24 v1 机器学习
机器学习
摘要
从医学图像中开发个性化人体头部模型已成为电磁剂量学领域的重要课题,包括电刺激优化、安全性评估等。人体头部模型通常通过将被磁共振图像分割为不同解剖组织来生成。这一过程耗时且需要特殊经验以分割数量相对较多的组织。因此,准确计算不同特定脑区中的电场具有挑战性。近来,深度学习已被应用于人脑分割。然而,大多数研究仅关注脑组织的分割,而很少注意其他对电磁剂量学十分重要的组织。在本研究中,我们提出一种名为 ForkNet 的卷积神经网络新架构,用于执行整个人体头部结构的分割,这对于评估脑内电场分布至关重要。所提出的网络可用于生成个性化头部模型,并应用于经颅磁刺激期间脑内电场的评估。我们的计算结果表明,在扫描内分割任务中,使用所提出网络生成的头部模型与手动分割创建的头部模型表现出强匹配。
引用
@article{arxiv.2002.09080,
title = {Development of accurate human head models for personalized electromagnetic dosimetry using deep learning},
author = {Essam A. Rashed and Jose Gomez-Tames and Akimasa Hirata},
journal= {arXiv preprint arXiv:2002.09080},
year = {2020}
}