在时间飞跃MRA中使用结构相似性损失的变分自编码器
图像与视频处理
2021-02-24 v1 计算机视觉与模式识别
机器学习
摘要
时间飞跃磁共振血管造影（TOF-MRA）能够可视化和分析脑动脉。该分析可指示脑血管系统构型的正常变异或血管异常（如动脉瘤）。一个模型将有助于表征健康人群的正常脑血管结构及变异性，并与异常区分。当前使用自编码卷积神经网络的异常检测通常以体素级平均误差进行优化。我们提出以结构相似性损失（SSIM）优化变分自编码器（VAE）用于TOF-MRA重建。一个分块训练的二维全卷积VAE通过比较原始与重建MRA的血管分割来优化TOF-MRA重建。该方法在两个数据集上训练和测试：IXI数据集和ADAM挑战的一个子集。两个训练好的网络均在一个包含动脉瘤受试者的数据集上测试。我们比较了采用L2损失和SSIM损失的VAE优化。使用均方误差、平均SSIM、峰值信噪比和分割血管的骰子相似指数（DSI）评估原始与重建MRA之间的性能。L2优化的VAE优于SSIM，在两个数据集上均具有改进的重建指标和DSI。使用SSIM的优化在视觉图像质量上表现最佳，但在定量重建和血管分割上存在差异。规模更大、更多样的IXI数据集整体性能更好。包含动脉瘤的MRA的重建指标（包括SSIM）较低。SSIM优化的VAE改善了TOF-MRA重建的视觉感知图像质量。L2优化的VAE在血管分割重要的TOF-MRA重建中表现最佳。SSIM是MRA异常检测的潜在指标。
引用
@article{arxiv.2101.08052,
title = {Variational Autoencoders with a Structural Similarity Loss in Time of Flight MRAs},
author = {Kimberley M. Timmins and Irene C. van der Schaaf and Ynte M. Ruigrok and Birgitta K. Velthuis and Hugo J. Kuijf},
journal= {arXiv preprint arXiv:2101.08052},
year = {2021}
}
备注
SPIE Medical Imaging 2021