DeepN4:学习N4ITK T1加权图像的偏差场校正
Praitayini Kanakaraj1, Tianyuan Yao1, Leon Y Cai2
1Department of Computer Science, Vanderbilt University, Nashville, TN, USA.
Research square
|November 28, 2023
概括
深度学习接近N4ITK对T1wMRI的偏差场校正,提供了一个便携式和灵活的替代方案. 这种方法可以确保在各种平台和工作流程上进行一致的图像解释.
科学领域:
- 医疗成像医学成像
- 神经成像是一种神经成像.
- 人工智能的人工智能
背景情况:
- T1加权 (T1w) 核磁共振图像存在由磁场不均性引起的低频强度工件.
- 偏差场校正对于准确的空间解释T1wMRI数据至关重要.
- 目前最先进的N4ITK偏差校正在不同的计算管道中缺乏可移植性和灵活性.
结论:
- 深度神经网络可以有效地近似复杂的图像预处理步骤,如N4ITK偏差校正.
- 这种深度学习方法提高了神经成像分析的灵活性和可重现性.
- 代码和模型的发布促进了更广泛的采用和进一步的方法论发展.
