用互补性质的数据驱动图谱增强临床 MRI 灌注图以预测病灶转归
计算机视觉与模式识别
2018-09-25 v1
摘要
中风是发达国家第二大常见死因，快速的临床表现干预可对患者的生活产生重大影响。为执行血运重建术，医生的决策基于多模态 MRI 和临床经验考虑其风险与获益。因此，缺血性脑卒中病灶转归的自动预测有潜力辅助医生进行更好的卒中评估和组织转归信息。通常，自动方法考虑扩散和灌注 MRI 的标准动力学模型信息（例如 Tmax、TTP、MTT、rCBF、rCBV）来进行病灶转归预测。在这项工作中，我们提出一种深度学习方法，将信息与原始 4D PWI 图像信息的自动数据选择相融合，随后对潜在的血流血流动力学进行数据驱动的深度学习建模。我们证明了所提方法相比仅使用标准临床灌注图，能够提高治疗前风险组织的预测能力，从而提示所提数据驱动原始灌注数据建模方法的潜在益处。
引用
@article{arxiv.1806.04413,
title = {Enhancing clinical MRI Perfusion maps with data-driven maps of complementary nature for lesion outcome prediction},
author = {Adriano Pinto and Sergio Pereira and Raphael Meier and Victor Alves and Roland Wiest and Carlos A. Silva and Mauricio Reyes},
journal= {arXiv preprint arXiv:1806.04413},
year = {2018}
}
备注
Accepted at MICCAI 2018