逆向工程乳腺 MRI：直接从图像预测采集参数
图像与视频处理
2023-03-10 v1 计算机视觉与模式识别
机器学习
摘要
用于生成 MRI 扫描的图像采集参数（IAPs）是决定图像外观的核心。使用特定参数采集数据训练的深度学习模型可能无法很好地泛化到使用不同参数采集的图像。能够直接从图像恢复此类参数有助于判断深度学习模型是否适用，并可辅助数据协调与/或域适应。本文引入一种神经网络模型，可仅凭图像通过单次前向传播高精度预测用于生成 MR 图像的许多复杂 IAPs。这些预测参数包括场强、回波与重复时间、采集矩阵、扫描仪型号、扫描选项等。即便如对比剂类型等具有挑战性的参数也能较好精度预测。我们在多名新患者的诸多 MRI 扫描上开展多种实验与分析以评估模型预测 IAPs 的能力，并展示其在真实应用中的使用。从图像预测 IAPs 是更好理解图像外观与 IAPs 关系的重要一步，进而将推进对医学图像上神经网络模型泛化性相关诸多概念（包括域偏移、域适应与数据协调）的理解。
引用
@article{arxiv.2303.04911,
title = {Reverse Engineering Breast MRIs: Predicting Acquisition Parameters Directly from Images},
author = {Nicholas Konz and Maciej A. Mazurowski},
journal= {arXiv preprint arXiv:2303.04911},
year = {2023}
}
备注
Paper accepted at MIDL 2023. Code available at https://github.com/mazurowski-lab/MRI-IAP-prediction