SCREENER：定量 MRI 中的任务特定实验设计通用框架
计算机视觉与模式识别
2024-08-23 v1 人工智能
摘要
定量磁共振成像（qMRI）正在被越来越多地用于从诊断、分期到治疗监测等各种临床任务。然而，qMRI 中的实验设计——即确定最佳获取协议——一直致力于获得最精确的参数估计，而不考虑下游任务的具体要求。本文提出了 SCREENER：一个用于定量 MRI 任务特定实验设计的通用框架。SCREENER 融合了任务特定目标，并通过基于深度强化学习（DRL）的优化策略寻求最佳协议。为说明此框架，我们采用了使用扩散 MRI 数据进行骨髓炎症状态分类的任务。结果表明，SCREENER 在临床信噪比（SNR）条件下超越以往的应方法和优化协议，分别在二分类任务中从 67% 提升至 89%，以及多分类任务中从 46% 提升至 59%。此外，我们展示了该改进对 SNR 的鲁棒性。最后，我们证明了 DRL 基于的优化策略，使其能够在训练时未使用的多种 SNR 范围内实现零-shot 发现近乳最佳协议。总之，SCREENER 有潜力促进 qMRI 在临床中的广泛应用。
引用
@article{arxiv.2408.11834,
title = {SCREENER: A general framework for task-specific experiment design in quantitative MRI},
author = {Tianshu Zheng and Zican Wang and Timothy Bray and Daniel C. Alexander and Dan Wu and Hui Zhang},
journal= {arXiv preprint arXiv:2408.11834},
year = {2024}
}