提高磁共振谱建模 CNN 的精度

磁共振谱成像是一种广泛可用的成像模式，可无创提供感兴趣组织的代谢轮廓，但在临床应用中具有挑战性。一个主要原因是需要昂贵的、专家级的数据处理和分析。使用机器学习预测 MRS 相关量可绕开这一问题，但深度学习模型也带来自己的挑战，尤其是模型可信度。当前研究主要关注均值误差指标，但也需要更全面的精度指标，例如标准偏差、置信区间等。本工作强调更全面的误差特征化的重要性，并讨论如何提高 CNN 进行谱建模的精度，这是一种定量任务。结果揭示了这些技术的优势和权衡，应在处理此类回归任务时考虑这些技术。对每种技术底层机制的详细见解，以及它们如何与其他技术相互作用，均进行了深入讨论。