基于卷积神经网络的双重目标方法用于磁共振弹性成像
医学物理
2018-12-04 v1 机器学习
机器学习
摘要
传统上，非线性反演、直接反演或波估计方法被用于从 MRE 位移数据重建图像。在本工作中，我们提出一种卷积神经网络架构，能够将 MRE 位移数据直接映射为弹性图，从而规避昂贵且计算密集的经典方法。除均方误差重建目标外，我们还引入了一种受 MRE 力学模型启发的辅助损失用于训练该神经网络。我们的网络被证明能有效生成与非线性反演方法所得结果相媲美的 MRE 图像。
引用
@article{arxiv.1812.00441,
title = {Dual Objective Approach Using A Convolutional Neural Network for Magnetic Resonance Elastography},
author = {Ligin Solamen and Yipeng Shi and Justice Amoh},
journal= {arXiv preprint arXiv:1812.00441},
year = {2018}
}
备注
Machine Learning for Health (ML4H) Workshop at NeurIPS 2018