用于评估深度学习图像重建的端到端基于 AI 的 MRI 重建与病灶检测流水线
计算机视觉与模式识别
2021-09-24 v1 机器学习
图像与视频处理
医学物理
摘要
深度学习技术已成为高度加速 MRI 的一种有前景的方法。然而，近期的重建挑战显示了当前深度学习方法的若干缺陷，包括即使使用在全局质量指标上表现良好的模型也会丢失精细图像细节。在本研究中，我们提出一个用于图像重建和病理检测的端到端深度学习框架，其能够实现深度学习重建质量的临床感知评估。该方案在膝关节 MRI 研究中检测半月板撕裂的用例上得到展示，最终发现常用重建方法存在精细图像细节的丢失，表现为检测如半月板撕裂等重要病理的能力下降。尽管使用 SSIM 等指标进行定量重建方法评估是常见做法，但作为自动化基于病理的重建评估方法所表现的病理检测受损表明，现有定量方法未能捕捉临床重要的重建结果。
引用
@article{arxiv.2109.11524,
title = {End-to-End AI-based MRI Reconstruction and Lesion Detection Pipeline for Evaluation of Deep Learning Image Reconstruction},
author = {Ruiyang Zhao and Yuxin Zhang and Burhaneddin Yaman and Matthew P. Lungren and Michael S. Hansen},
journal= {arXiv preprint arXiv:2109.11524},
year = {2021}
}