使用机器学习量化磁共振波谱成像中的代谢物
计算机视觉与模式识别
2018-05-28 v1
摘要
磁共振波谱成像(MRSI)是一种用于在体测量组织代谢物水平的临床成像模态。对波谱参数的准确估计有助于更好地评估波谱质量与代谢物浓度水平。当前的金标准量化方法是 LCModel——一种商业拟合工具。然而,该方法对于具有低信噪比(SNR)或大量伪影的波谱会失效。本文引入了一种基于随机森林回归的框架,用于准确估计磁共振波谱数据模型化分析的输出参数。我们提出框架的目标是从包含模拟与在体脑波谱不同变体的训练集中学习波谱特征,随后将此学习用于后续的代谢物量化。实验涉及在模拟与在体人脑波谱上进行训练与测试。我们估计了代谢物浓度等参数,并将结果与 LCModel 的结果进行了比较。
引用
@article{arxiv.1805.10201,
title = {Qunatification of Metabolites in MR Spectroscopic Imaging using Machine Learning},
author = {Dhritiman Das and Eduardo Coello and Rolf F Schulte and Bjoern H Menze},
journal= {arXiv preprint arXiv:1805.10201},
year = {2018}
}