用于全脑 QSM 反演的非局部编解码卷积网络
人工智能
2019-04-12 v1 医学物理
定量方法
摘要
定量磁化率成像（QSM）重建是一个具有挑战性的逆问题，其场到磁化率的变换存在病态性。最先进的 QSM 重建方法要么存在图像伪影，要么计算时间长，这限制了 QSM 的临床转化工作。为克服这些局限，我们训练了一个非局部编解码门控卷积神经网络，以局部场和脑掩码作为输入，推断全脑磁化率图。所提方法的性能相对于合成数据、公开可用的挑战数据集和临床数据集进行了评估。所提方法在定量指标以及图像清晰度和条状伪影的视觉评估上均优于现有方法。估计的磁化率图能够保留细微特征的显著性并抑制条状伪影。所演示的方法在推进 QSM 临床研究和助力 QSM 向临床操作转化方面具有潜在价值。
引用
@article{arxiv.1904.05493,
title = {Non-locally Encoder-Decoder Convolutional Network for Whole Brain QSM Inversion},
author = {Juan Liu and Kevin M. Koch},
journal= {arXiv preprint arXiv:1904.05493},
year = {2019}
}