基于局部和全球视觉变压器的深磁共振指纹识别
1The School of Electronics and Information Engineering, Harbin Institute of Technology, Harbin, China.
Medical image analysis
|May 17, 2024
概括
我们开发了一个局部和全球视觉变压器 (LG-ViT),以改进磁共振指纹 (MRF) 参数映射. 这种新的深度学习方法通过捕捉本地和全球组织相关性来提高重建速度和准确性.
科学领域:
- 医疗成像医学成像
- 人工智能的人工智能
- 生物物理学的生物物理.
背景情况:
- 磁共振指纹 (MRF) 易发生系统错误,原因是大型预先计算的字典.
- 当前的深度学习方法,如CNN,往往忽略了MRF物理和长距离组织相关性,限制了重建性能.
- 对于基于字典和现有的神经网络方法来说,MRF数据的高维度提出了计算挑战.
研究的目的:
- 引入一种新的端到端神经网络,即本地和全球视觉变压器 (LG-ViT),以实现高效和准确的MRF参数重建.
- 通过将本地和全球的上下文信息纳入MRF数据,解决现有方法的局限性.
- 为了提高MRF参数映射的计算效率和准确性.
主要方法:
- 开发了一个多阶段的本地和全球视觉转换器 (LG-ViT) 架构,用于MRF参数重建.
- 实现了局部变压器编码器,以捕获voxel指纹上下文和组织间相关性.
- 整合了一个全球变压器编码器,以利用跨空间区域和组织的长距离依赖.
- 在深度学习模型中整合了基于物理的MRF先验.
主要成果:
- 对于高维度MRF数据,LG-ViT有效地降低了计算开销.
- 该模型成功地捕获了voxel指纹中的局部相关性和组织之间的全球依赖性.
- 模拟和体内数据的实验表明,LG-ViT与最先进的方法相比,实现了更快,更准确的MRF参数重建.
- 与现有的深度学习技术相比,证明了改进的重建速度和准确性.
结论:
- 拟议的LG-ViT通过有效利用本地和全球上下文信息,在MRF参数重建方面取得了重大进展.
- 这种基于物理的深度学习方法克服了传统的基于字典的方法和现有的CNN的局限性.
- LG-ViT为快速准确的定量MRI参数映射提供了一个有前途的解决方案.
相关概念视频
Magnetic Resonance Imaging
5.1K
Magnetic resonance imaging (MRI) is a noninvasive medical imaging technique based on a phenomenon of nuclear physics discovered in the 1930s, in which matter exposed to magnetic fields and radio waves was found to emit radio signals. In 1970, a physician and researcher named Raymond Damadian noticed that malignant (cancerous) tissue gave off different signals than normal body tissue. He applied for a patent for the first MRI scanning device in clinical use by the early 1980s. The early MRI...
5.1K
IR Frequency Region: Fingerprint Region
870
IR spectra are divided into two main regions: the diagnostic region and the fingerprint region. The diagnostic region of the spectrum lies above 1500 cm−1. The absorptions resulting from single-bond vibrations of the N–H, C–H, and O–H stretch at higher wavenumbers and appear on the left side of the spectrum. The stretching absorptions of the C≡C and C≡N occur between 2100–2300 cm−1. In contrast, those arising from stretching absorptions of the...
870


