通过深度学习进行逆变换:在心脏运动校正中的应用
Haoran Chang1, Valerie Kobzarenko1, Debasis Mitra1
1Department of Electrical Engineering and Computer Science, Florida Institute of Technology, Melbourne, FL 32901, United States of America.
Physics in medicine and biology
|November 21, 2023
概括
这项研究引入了一种新的人工神经网络 (ANN),用于心脏图像重建,同时执行逆变换和运动校正. 这种深度学习方法消除了在医学成像中对硬件门的需求.
科学领域:
- 医疗成像医学成像
- 人工智能的人工智能
- 计算科学 计算科学
背景情况:
- 心脏成像通常需要门来纠正运动,增加复杂性.
- 反向转换 (IRT) 对于断层扫描中的图像重建至关重要.
- 人工神经网络 (ANN) 在医疗图像处理方面显示出潜力.
研究的目的:
- 开发ANN架构,同时实现逆转换 (IRT) 和心脏运动校正 (MC).
- 为了从运动损坏的阴影图片中直接实现心脏图像的重建.
- 为了消除在心脏成像中对硬件门的需求.
主要方法:
- 为联合IRT和MC提出了一个新的ANN架构.
- 通过模拟心形物体的模拟运动模糊变换验证了ANN.
- 在使用心电图信号的人类心脏门数据集上训练并验证了ANN.
主要成果:
- 证明训练有素的ANN可以直接从动作损坏的synograms中执行运动校正图像重建.
- 使用拟议的ANN实现了有效的心脏运动校正.
- 在验证测试中表现优于其他两种已知的基于ANN的方法.
结论:
- 开发的ANN有效地执行心脏成像的同时IRT和MC.
- 这种深度学习方法为硬件关门提供了一个可行的替代方案.
- 为简化和潜在的更高效的心脏图像重建铺平了道路.
