IMPORTANT-Net：用于合成缺失数据的集成 MRI 多参数强化融合生成器与注意力网络
图像与视频处理
2023-02-06 v1 计算机视觉与模式识别
摘要
磁共振成像（MRI）对乳腺病变检测具有高灵敏度。使用不同设置获取的序列可以捕捉病变的特定特征。这种多参数 MRI 信息已被证明可以提高放射科医生在病变分类中的表现，并提升人工智能模型在各种任务中的性能。然而，获取多参数 MRI 使得检查在经济和时间成本上都变得高昂，并且对特殊人群可能存在安全隐患，因此获取全谱 MRI 序列的持久性较差。在本研究中，不同于对现有 MRI 参数进行简单的输入融合或特征拼接，我们开发了一种新颖的集成 MRI 多参数强化融合生成器与注意力网络（IMPORTANT-Net）来生成缺失参数。首先，参数重建模块用于编码和恢复现有 MRI 参数，以获得任意尺度级别的相应潜在表示信息。然后，多参数融合与注意力模块通过一组算法策略实现来自不同参数的编码信息的交互，并在信息融合后通过注意力机制对信息施加不同权重，以获得精炼的表示信息。最后，嵌入在 形生成模块中的强化融合方案用于结合层次化表示，以生成缺失的 MRI 参数。结果表明，我们的 IMPORTANT-Net 能够生成缺失的 MRI 参数，并且性能优于当前最先进的网络。我们的代码可在 https://github.com/Netherlands-Cancer-Institute/MRI_IMPORTANT_NET 获取。
引用
@article{arxiv.2302.01788,
title = {IMPORTANT-Net: Integrated MRI Multi-Parameter Reinforcement Fusion Generator with Attention Network for Synthesizing Absent Data},
author = {Tianyu Zhang and Tao Tan and Luyi Han and Xin Wang and Yuan Gao and Jonas Teuwen and Regina Beets-Tan and Ritse Mann},
journal= {arXiv preprint arXiv:2302.01788},
year = {2023}
}