NeXtQSM——一种用混合数据训练、数据一致的定量磁化率映射完整深度学习流水线
图像与视频处理
2023-08-31 v2 计算机视觉与模式识别
机器学习
摘要
近年来，基于深度学习的定量磁化率映射（QSM）展现出巨大潜力，取得了与成熟的非学习方法相似的结果。许多当前的深度学习方法不具备数据一致性，需要体内训练数据，或以连续步骤求解 QSM 问题从而导致误差传播。在此我们旨在克服这些局限，并开发了一个框架以联合求解 QSM 处理步骤。我们提出了一种新的混合训练数据生成方法，使得使用结合 QSM 模型项与学习到的正则化子的变分网络，以数据一致的方式端到端训练求解背景场校正与偶极子反演成为可能。我们证明 NeXtQSM 克服了先前深度学习方法的局限。NeXtQSM 提供了一种新的基于深度学习的定量磁化率图计算流水线，将每个处理步骤集成到训练中，并提供鲁棒且快速的结果。
引用
@article{arxiv.2107.07752,
title = {NeXtQSM -- A complete deep learning pipeline for data-consistent quantitative susceptibility mapping trained with hybrid data},
author = {Francesco Cognolato and Kieran O'Brien and Jin Jin and Simon Robinson and Frederik B. Laun and Markus Barth and Steffen Bollmann},
journal= {arXiv preprint arXiv:2107.07752},
year = {2023}
}