基于卷积神经网络的心脏 MRI 几何变换预测

Xin Gao

基于卷积神经网络的心脏 MRI 几何变换预测

图像与视频处理 2022-11-15 v1 计算机视觉与模式识别机器学习

作者: Xin Gao

摘要

在医学图像领域，深度卷积神经网络（ConvNets）凭借其无与伦比的学习图像特征的能力，在分类、分割与配准任务中取得了巨大成功。然而，这些任务常需要大量人工标注数据且劳动密集。因此，研究无监督语义特征学习任务具有重要意义。在我们的工作中，我们提出通过训练 ConvNets 识别应用于图像的几何变换来学习医学图像中的特征，并给出一个可轻松预测几何变换的简单自监督任务。我们以数学术语精确定义一组几何变换，并将该模型推广到 3D，同时考虑空间与时间维度的区别。我们在不同模态（bSSFP、T2、LGE）的 CMR 图像上评估了我们的自监督方法，分别取得了 96.4%、97.5% 和 96.4% 的准确率。我们论文的代码与模型将发布于：https://github.com/gaoxin492/Geometric_Transformation_CMR

引用

@article{arxiv.2211.06641,
  title  = {Prediction of Geometric Transformation on Cardiac MRI via Convolutional Neural Network},
  author = {Xin Gao},
  journal= {arXiv preprint arXiv:2211.06641},
  year   = {2022}
}

备注

8 pages, 6 figures

相关论文

查看更多相关论文 →