QSMGAN：使用具有增大感受野的 3D 生成对抗网络改进定量磁化率成像
图像与视频处理
2019-10-31 v2 机器学习
机器学习
摘要
定量磁化率成像（QSM）是一种强大的 MRI 技术，在量化众多神经系统疾病的组织磁化率方面显示出巨大潜力。然而，固有的病态偶极子反演问题极大影响了磁化率图的准确性。我们提出 QSMGAN：一种基于 3D U-Net 架构的 3D 深度卷积神经网络方法，其输入相位相对于输出的感受野增大，并进一步使用带梯度惩罚训练策略的 WGAN 对网络进行精炼。我们的方法从单方向相位图高效生成准确的 QSM 图，并且显著优于传统的非基于学习的偶极子反演算法。通过将算法应用于未见过的病症——伴有放射诱导脑微出血的脑肿瘤患者，验证了泛化能力。
引用
@article{arxiv.1905.03356,
title = {QSMGAN: Improved Quantitative Susceptibility Mapping using 3D Generative Adversarial Networks with Increased Receptive Field},
author = {Yicheng Chen and Angela Jakary and Sivakami Avadiappan and Christopher P. Hess and Janine M. Lupo},
journal= {arXiv preprint arXiv:1905.03356},
year = {2019}
}