电磁医学成像中基于操作学习的边界估计
计算机视觉与模式识别
2022-03-14 v1 机器学习
摘要
将成像对象的边界作为先验信息纳入成像算法可显著提升电磁医学成像系统的性能。为避免使用不同传感器带来的系统过度复杂化以及受试者运动的不良影响，本文提出一种基于学习的方法，利用相同的电磁成像数据估计成像对象边界（外轮廓）。尽管成像技术可能因反射系数占主导且对成像无信息而将其丢弃，这些参数却被用于边界检测。所学习模型通过独立的临床人体试验验证，使用的是工作在0.7-1.6 GHz频带、含16单元天线阵列的头部成像系统。评估表明，该模型在检测头部边界时Hu矩平均差异为0.012。该模型可实现快速扫描与图像生成，同时无需额外设备即可准确估计边界。
引用
@article{arxiv.2108.03233,
title = {Operational Learning-based Boundary Estimation in Electromagnetic Medical Imaging},
author = {A. Al-Saffar and A. Stancombe and A. Zamani and A. Abbosh},
journal= {arXiv preprint arXiv:2108.03233},
year = {2022}
}
备注
Under Review