偏差减少的神经网络用于定量MRI中的参数估计
Andrew Mao1,2,3, Sebastian Flassbeck1,2, Jakob Assländer1,2
1Bernard and Irene Schwartz Center for Biomedical Imaging, Department of Radiology, New York University Grossman School of Medicine, New York, New York, USA.
Magnetic resonance in medicine
|May 4, 2024
概括
新的神经网络 (NN) 在定量MRI参数估计中最大限度地减少偏差和差异. 这种方法比传统方法提供了更好的准确性和计算效率.
科学领域:
- 磁共振成像 (MRI) 是一种磁共振成像技术.
- 医疗成像中的人工智能
- 定量成像技术 定量成像技术
背景情况:
- 量化MRI参数估计对于医学诊断至关重要.
- 传统的方法,比如非线性最小方程匹配,可能是计算密集的,容易产生偏差.
- 神经网络 (NN) 是有前途的,但经常在偏差和差异控制方面扎.
研究的目的:
- 开发基于NN的定量MRI参数估计器,其偏差最小.
- 为了达到接近理论克拉梅尔-拉奥边界的估计方差.
- 为了提高MRI参数映射的准确性和效率.
主要方法:
- 将平均平方误差损失函数概括为控制NN偏差和方差.
- 在NN培训期间,纳入了多个噪音实现的平均值.
- 在模拟和两个体内神经成像应用中评估了NN性能.
主要成果:
- 拟议的NN策略显著减少了参数空间中的估计偏差.
- 在模拟中达到接近克拉梅尔-拉奥约束的估计方差.
- 与传统的体内估计器有很好的一致性,表现优于最先进的NNs.
结论:
- 与标准的MSE训练的NN相比,开发的NN表现出明显减少的偏差.
- 与传统的MRI参数估计技术相比,提供更高的计算效率.
- 提供可比或改进的准确性,代表了定量MRI的重大进步.


