利用卷积神经网络从快速同步弛豫成像生成髓鞘体积指数图的效用
图像与视频处理
2019-04-26 v1 人工智能
摘要
背景与目的：从快速同步弛豫成像（RSRI）获取合成髓鞘体积分数图（SyMVF）的现有算法存在一个潜在问题，即未利用周围像素的信息。本研究的目的是开发一种利用卷积神经网络（CNN）克服该问题的方法。方法：纳入 20 名健康志愿者的 RSRI 与磁化转移图像。训练一个 CNN，以由磁化转移图像计算的髓鞘体积指数图（MTMVI）为参考，将 RSRI 相关度量图重建为髓鞘体积相关指数（生成髓鞘体积指数：GenMVI）图。通过检验 SyMVF 与 GenMVI 图同 MTMVI 图的相关性对其进行统计比较。相关性基于以下评估：（i）来自 164 个基于图谱的 ROI 的平均值；（ii）针对四种不同组织类型（皮质与皮质下灰质、白质及全脑）定义的 ROI 的基于像素的比较。结果：对于基于图谱的 ROI，GenMVI 图与 MTMVI 图的总体相关性高于 SyMVF 图。在基于像素的比较中，GenMVI 图与 MTMVI 图的相关性较 SyMVF 图更强，且志愿者间分布差异在所有组织类型中均显著（Wilcoxon 符号秩检验，P<.001）。结论：所提方法是有用的，因其能比现有方法纳入关于局部组织性质的更具体信息。
引用
@article{arxiv.1904.10960,
title = {The utility of a convolutional neural network for generating a myelin volume index map from rapid simultaneous relaxometry imaging},
author = {Yasuhiko Tachibana and Akifumi Hagiwara and Masaaki Hori and Jeff Kershaw and Misaki Nakazawa and Tokuhiko Omatsu and Riwa Kishimoto and Kazumasa Yokoyama and Nobutaka Hattori and Shigeki Aoki and Tatsuya Higashi and Takayuki Obata},
journal= {arXiv preprint arXiv:1904.10960},
year = {2019}
}