基于神经网络与数据增强的灌注参数估计
计算机视觉与模式识别
2018-10-12 v1
摘要
灌注成像在急性卒中诊断与治疗决策中起着关键作用。当前灌注分析依赖于对测得信号的反卷积，该操作在数学上不适定且需要强正则化。我们提出一种神经网络与数据增强方法，直接从原始测量预测灌注参数。在模拟 CT 灌注数据上的比较表明，该神经网络在广泛噪声水平下对 CBF 与 Tmax 的估计均优于一种最先进（SOTA）的反卷积方法。所提数据增强使得以少于 100 个数据集达成这些结果成为可能。
引用
@article{arxiv.1810.04898,
title = {Perfusion parameter estimation using neural networks and data augmentation},
author = {David Robben and Paul Suetens},
journal= {arXiv preprint arXiv:1810.04898},
year = {2018}
}
备注
Presented at the MICCAI 2018 SWITCH workshop (16 September 2018, Granada, Spain)