面向生物医学磁共振的物理驱动合成数据学习
机器学习
2022-05-24 v3 信号处理
医学物理
摘要
深度学习革新了计算成像领域。其瓶颈之一是训练数据不可用或不足。本文综述了一种新兴范式——基于成像物理的数据合成（IPADS），它能在无或极少真实数据的情况下为生物医学磁共振提供海量训练数据。遵循磁共振物理定律，IPADS 从微分方程或解析解模型生成信号，使学习更具可扩展性、可解释性，并更好地保护隐私。文中讨论了 IPADS 学习的关键组成部分，包括信号生成模型、基础深度学习网络结构、增强数据生成与学习方法。IPADS 的巨大潜力已通过快速成像、超快信号重建和准确参数量化中的代表性应用得到展示。最后，讨论了开放性问题与未来工作。
引用
@article{arxiv.2203.11178,
title = {Physics-driven Synthetic Data Learning for Biomedical Magnetic Resonance},
author = {Qinqin Yang and Zi Wang and Kunyuan Guo and Congbo Cai and Xiaobo Qu},
journal= {arXiv preprint arXiv:2203.11178},
year = {2022}
}