用于监督神经网络训练的心脏 MRI 模拟器原型
医学物理
2023-05-26 v1 图像与视频处理
摘要
监督深度学习方法通常依赖大型数据集进行训练。伦理与实际考量通常使得获取具有已知任务相关真值的大量医疗数据（如医学图像）较为困难。这阻碍了面向临床任务的充分、无偏且鲁棒深度学习方法的开发。磁共振图像（MRI）是若干复杂物理与工程过程的结果，合成 MR 图像的生成是一项巨大挑战。在此，我们展示正在进行的用于创建大型合成心脏 MR 图像数据集生成器工作的首批结果。作为模拟器的应用，我们展示了合成图像如何用于帮助训练一个直接从心脏 MR 图像估算左心室心肌体积的监督神经网络。尽管当前存在局限，我们的生成器未来可能有助于缓解开发监督深度学习工具所需的标注心脏 MRI 的当前短缺。它也可能在图像重建方法开发及提升该场景下深度网络鲁棒性、验证与可解释性的工具中找到应用。
引用
@article{arxiv.2305.15826,
title = {Prototype of a Cardiac MRI Simulator for the Training of Supervised Neural Networks},
author = {Marta Varela and Anil A Bharath},
journal= {arXiv preprint arXiv:2305.15826},
year = {2023}
}
备注
Accepted for publication in Lecture Notes for Computer Science 2023