将合成和现实数据结合起来,用于基于深度学习的4D流MRI细分过程
Simone Garzia1, Martino Andrea Scarpolini2, Marilena Mazzoli1
1BioCardioLab, UOC Bioingegneria, Fondazione Toscana G Monasterio, Via Aurelia Sud, Massa, 54100, Italy; Department of Information Engineering, University of Pisa, Via Caruso, Pisa, 56122, Italy.
Computer methods and programs in biomedicine
|September 14, 2023
概括
生成合成胸腔大动脉相对比磁共振血管学 (PC-MRA) 数据可以提高神经网络细分的准确性. 这种方法扩展了有限的数据集,提高了胸前大动脉疾病的诊断能力.
科学领域:
- 医疗成像医学成像
- 计算流体动力学的流体动力学.
- 人工智能的人工智能
背景情况:
- 4D流MRI提供重要的血液速度和形态数据,主要用于像胸前大动脉这样的大血管.
- 4D流MRI数据的细分具有挑战性和耗时.
- 4D流MRI数据集的有限可用性阻碍了神经网络的性能,这是由于该技术最近的临床采用.
研究的目的:
- 开发一个用于生成合成胸前大动脉PC-MRA数据的管道.
- 为了增强有限的现实世界PC-MRA数据集.
- 为了提高基于神经网络的胸前动脉细分的准确性.
主要方法:
- 一个统计形状模型合成了人工几何体,以增加数据的可变性.
- 计算流体动力学模拟产生了速度场.
- 合成的卷与真实数据相结合,训练了一个3D U-Net神经网络.
主要成果:
- 与仅使用真实数据 (DICE 分数为 0.65) 相比,包含合成数据显著改善了细分性能 (DICE 分数为 0.83).
- 通过组合数据集实现了增强的目标重建.
结论:
- 拟议的管道有效地增加了PC-MRA数据集的数量和可变性.
- 合成数据生成提高了使用PC-MRA的胸前大动脉细分精度.
更多相关视频
06:56Human Fetal Blood Flow Quantification with Magnetic Resonance Imaging and Motion Compensation
Published on: January 7, 2021
2.5K
05:23Author Spotlight: Noninvasive Cerebral Blood Flow Determination in Human Functional Brain Region for Diagnosis of Neurological Disorders
Published on: May 31, 2024
577
