基于深度神经网络学习个性化表示用于医学影像逆问题
计算机视觉与模式识别
2018-07-06 v1 机器学习
医学物理
摘要
近年来深度神经网络已广泛应用于计算机视觉任务并成功落地，在医学影像领域也引起越来越多的关注。将深度神经网络应用于医学影像的一个障碍是需要大量先验训练图像对，这在临床实践中并不总是可行。本工作中我们提出一种个性化表示学习框架，无需先验训练图像对，仅需患者自身的先验图像。该表示通过以患者先验图像为网络输入的深度神经网络来表达。我们将这一新颖的图像表示应用于医学影像中的逆问题，其中原逆问题被表述为约束优化问题，并使用交替方向乘子法（ADMM）算法求解。以解剖引导的脑正电子发射断层扫描（PET）图像重建与图像去噪为例，证明了所提框架的有效性。基于仿真与真实数据集的量化结果表明，该个性化表示框架优于其他广泛采用的方法。
引用
@article{arxiv.1807.01759,
title = {Learning Personalized Representation for Inverse Problems in Medical Imaging Using Deep Neural Network},
author = {Kuang Gong and Kyungsang Kim and Jianan Cui and Ning Guo and Ciprian Catana and Jinyi Qi and Quanzheng Li},
journal= {arXiv preprint arXiv:1807.01759},
year = {2018}
}
备注
11 pages, 7 figures