基于多任务学习与深度神经网络的心脏 MRI 方位识别与标准化
图像与视频处理
2020-11-21 v1 计算机视觉与模式识别
摘要
在本文中，我们研究心脏 MRI 中的成像方位问题，并提出一种通过深度神经网络对方位进行分类以实现识别与标准化的框架。该方法采用一种新的多任务策略，同时完成心脏分割与方位识别两项任务。针对多种 MRI 序列与模态，我们提出一种迁移学习策略，将所提模型从单一模态适配到多种模态。我们将方位识别网络嵌入于心脏 MRI 方位调整工具（即 CMRadjustNet）中。我们实现了两个版本的 CMRadjustNet，包括一个用户界面（UI）软件和一个命令行工具。前者支持 MRI 图像可视化、方位预测、调整与存储操作；后者支持批量操作。源代码、神经网络模型与工具已通过 https://zmiclab.github.io/projects.html 发布并开源。
引用
@article{arxiv.2011.08761,
title = {Recognition and standardization of cardiac MRI orientation via multi-tasking learning and deep neural networks},
author = {Ke Zhang and Xiahai Zhuang},
journal= {arXiv preprint arXiv:2011.08761},
year = {2020}
}
备注
10 pages, 2 figures, to be published in STACOM 2020 (MICCAI Workshop)