基于图像特征与时间序列分类的 MRI 硬件故障预测
机器学习
2021-06-08 v1 图像与视频处理
机器学习
摘要
在系统发生故障之前，就必须预知硬件部件是否将在近期失效，以便及时应对。因此，应避免非计划停机。在医学影像中，最大化系统正常运行时间对患者的健康和医疗提供者的日常业务至关重要。我们旨在通过在对随时间收集的序列数据上训练统计模型，预测磁共振成像（MRI）中使用的头/颈线圈的故障。由于图像特征依赖于线圈状况，其偏离正常范围已暗示未来故障。因此，我们使用图像特征及其随时间的变化来预测线圈损坏。在比较不同时间序列分类方法后，我们发现长短期记忆网络（LSTMs）取得了最高的 F 值 86.43%，并能以 98.33% 的准确率判断硬件是否应被更换。
关键词
引用
@article{arxiv.2001.02127,
title = {Prediction of MRI Hardware Failures based on Image Features using Time Series Classification},
author = {Nadine Kuhnert and Lea Pflüger and Andreas Maier},
journal= {arXiv preprint arXiv:2001.02127},
year = {2021}
}